国家学术搜索
登录
注册
中文
EN
首页
|
基于深度学习的恶意代码可视化纹理检测方法
基于深度学习的恶意代码可视化纹理检测方法
引用
认领
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
万方数据
维普
中文摘要：
本文基于恶意家族代码可视化典型纹理特征,提出一种改进的 R-FCN 和迁移学习的深度学习检测方法,通过计算恶意纹理与背景纹理的IoU交叉比,剔除恶意纹理的相近边框,重新训练困难负样本等方法,提高了分类和定位检测精度;同时结合迁移学习方法加快模型收敛.实验结果表明,本文提出的改进方法在分类准确率、边框回归检测速率和 mAP 等方面优于其他恶意代码可视化纹理检测方法.
收起全部
展开查看外文信息
作者：
马梓尧
展开 >
作者单位：
沈阳理工大学 辽宁 110159
关键词：
恶意代码
深度学习
全卷积网络
迁移学习
出版年：
2024
网络安全技术与应用
北京大学出版社
网络安全技术与应用
CHSSCD
影响因子：
0.417
ISSN：
1009-6833
年,卷(期)：
2024.
(2)
参考文献量
9
万方数据
维普
