网络安全技术与应用2024，Issue(2) ：42-43.

基于深度学习的恶意代码可视化纹理检测方法

马梓尧
网络安全技术与应用2024，Issue(2) ：42-43.
✕
  • 维普
  • 万方数据

基于深度学习的恶意代码可视化纹理检测方法

马梓尧1
扫码查看

作者信息

  • 1. 沈阳理工大学 辽宁 110159
  • 折叠

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.

关键词

恶意代码/深度学习/全卷积网络/迁移学习

引用本文复制引用

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
参考文献量9
段落导航相关论文