基于擠壓激勵網絡的惡意代碼家族檢測方法
所屬分類：技術論文
上傳者：zhoubin333
文檔大?。?span>902 K
標簽： 惡意代碼 機器學習 卷積神經網絡
所需積分：0分積分不夠怎么辦,？
文檔介紹：惡意代碼已經成為威脅網絡安全的重要因素?；跈C器學習的惡意代碼檢測方法已經取得較好的效果,，但面對相似的惡意代碼家族，往往效果不佳,。對此,，提出了一種基于擠壓激勵網絡的檢測算法，由卷積神經網絡(Convolutional Neural Network,，CNN)與擠壓和激勵(Squeeze-and-Excitation,，SE)模塊構成。CNN先快速提取惡意代碼的圖像特征,，SE模塊對多通道特征圖進行全局平均池化,，將全局信息壓縮，然后通過全連接層自適應學習,，并將每個通道特征圖賦予不同的權重來表示不同的重要程度,，指導激勵或抑制特征信息。實驗結果表明,，該方法相對于傳統(tǒng)機器學習方法有更好的檢測效果,，與深度學習算法相比檢測效果也有一定的提升且參數(shù)量大大減少。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分,；重復下載不扣分,，本人上傳資源不扣分。