维普
万方数据
一种基于最大频繁子图基因的模糊图神经网络检测模型
Fuzzy graph neural network detection model based on maximum frequent subgraph genes
周显春 1肖衡 1焦萍萍 1邹琴琴1
作者信息
- 1. 三亚学院信息与智能工程学院,海南 三亚 572022
- 折叠
摘要
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%.
关键词
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Key words
malware/dynamic function call graph/maximum frequent subgraph genes/fuzzy graph neural network引用本文复制引用
基金项目
海南省自然科学基金(620MS064)
三亚市院地科技合作项目(2019YD26)
三亚学院优势专业建设项目(SYJZUS202203)
三亚学院一流本科专业特色建设资助项目(SYJZZZ202212)
出版年
2023