基于文檔圖結(jié)構(gòu)的惡意PDF文檔檢測方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大小：716 K
標(biāo)簽： 惡意PDF文檔 文檔圖結(jié)構(gòu) 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦,？
文檔介紹：目前基于機(jī)器學(xué)習(xí)的惡意PDF文檔檢測方法依賴于專家經(jīng)驗來遴選特征,，無法全面反映文檔屬性,。而且在面對對抗樣本時,，檢測器性能下降明顯,。針對上述問題,，提出了一種基于文檔圖結(jié)構(gòu)和卷積神經(jīng)網(wǎng)絡(luò)的惡意PDF文檔檢測方法,。該方法解析文檔結(jié)構(gòu)，根據(jù)文檔中各對象之間的引用關(guān)系構(gòu)建出有向圖,。然后,，通過TF-IDF算法計算各節(jié)點(diǎn)對分類的貢獻(xiàn)度來進(jìn)行圖結(jié)構(gòu)精簡。最后,，計算精簡后圖的鄰接矩陣和度矩陣,，并得到圖的拉普拉斯矩陣，以此作為特征送入CNN分類模型進(jìn)行訓(xùn)練,。同時還加入了對抗樣本,，對模型進(jìn)行對抗訓(xùn)練。實驗評估表明,，在給定訓(xùn)練和測試樣本比例9:1條件下,，不斷調(diào)整神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，該方法的準(zhǔn)確率達(dá)到了99.71%,，性能優(yōu)于KNN和SVM分類模型,。在針對對抗樣本的檢測上，與知名在線檢測網(wǎng)站VirusTotal上的67款殺毒引擎相比,，該方法取得了更高的檢測性能,。
現(xiàn)在下載
VIP會員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分,。