惡意代碼可視化分類(lèi)研究
所屬分類(lèi)：技術(shù)論文
上傳者：wwei
文檔大?。?span>3777 K
標(biāo)簽： BODMAS數(shù)據(jù)集 CA模塊 MA模塊
所需積分：0分積分不夠怎么辦,？
文檔介紹：新型惡意代碼設(shè)計(jì)變得日益復(fù)雜,，傳統(tǒng)的識(shí)別并檢測(cè)方法已經(jīng)滿足不了當(dāng)前的需求。因此,，在對(duì)BODMAS數(shù)據(jù)集分析的基礎(chǔ)上,，將其進(jìn)行可視化處理并進(jìn)行分類(lèi)。同時(shí)考慮到現(xiàn)有惡意代碼可視化分類(lèi)模型主要依賴(lài)全局特征,，在卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上設(shè)計(jì)了一個(gè)CA（通道級(jí)局部特征關(guān)注）模塊和一個(gè)MA（多尺度局部特征關(guān)注）模塊,，構(gòu)建了兩個(gè)新模型,，巧妙地結(jié)合全局與局部特征,。在BODMAS數(shù)據(jù)集上，新模型在惡意代碼種類(lèi)識(shí)別并分類(lèi)平均準(zhǔn)確率相比于BODMAS數(shù)據(jù)集論文描述的方法得到了提高,，證明了數(shù)據(jù)集可視化可行性和新模型的有效性,，為未來(lái)研究提供了重要的數(shù)據(jù)和實(shí)驗(yàn)基礎(chǔ)。
現(xiàn)在下載
VIP會(huì)員,，AET專(zhuān)家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。