基于深度学习的恶意代码检测技术研究

扫码查看

原文链接

万方数据
维普

中文摘要：近年来，恶意代码的爆炸性增长对计算机信息系统造成严重威胁，如何在初始阶段有效检测恶意代码成为了备受关注的话题。传统的恶意代码检测技术往往具有较高的误报率和漏报率，基于机器学习技术的恶意代码检测方法也存在提取特征较少、模型框架单一等问题。本文以大型开源数据集Ember为基础，设计了一种深度前馈神经网络模型。将原始数据集进行预处理，转化为二维特征向量;确定模型参数，纵向构建多层稠密结构网络;测试模型的检测效果，并将该模型与其他机器学习算法进行比较。结果表明，该深度前馈神经网络取得了较好的检测效果，基本满足了恶意代码检测要求。

作者：

蒲经纬、张辉、唐斌

展开 >

作者单位：

中国人民警察大学河北 065000

关键词：

恶意代码检测静态分析深度学习前馈神经网络 PE文件

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.(10)