首页|一种基于最大频繁子图基因的模糊图神经网络检测模型

一种基于最大频繁子图基因的模糊图神经网络检测模型

扫码查看
原文链接
  • 万方数据
  • 维普
针对恶意软件检测的准确性和时间效率问题,提出一种基于最大频繁子图基因的模糊图神经网络检测模型.首先利用SFFSM-SPIN-MGM方法挖掘恶意软件函数调用图的最大频繁子图,然后利用模糊图神经网络完成恶意软件同源性检测.实验结果表明,该方法具有较强的泛化能力,能够有效地检测现有恶意软件的变种测试集,平均准确率92.1%,平均误报率4.3%、平均漏报率1.4%.
Fuzzy graph neural network detection model based on maximum frequent subgraph genes

malwaredynamic function call graphmaximum frequent subgraph genesfuzzy graph neural network

周显春、肖衡、焦萍萍、邹琴琴

展开 >

三亚学院信息与智能工程学院,海南 三亚 572022

恶意软件 动态函数调用图 最大频繁子图基因 模糊图神经网络

海南省自然科学基金三亚市院地科技合作项目三亚学院优势专业建设项目三亚学院一流本科专业特色建设资助项目

620MS0642019YD26SYJZUS202203SYJZZZ202212

2023

10.16644/j.cnki.cn33-1094/tp.2023.09.004

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(9)
  • 4