首页|基于卷积神经网络的恶意代码识别技术研究

基于卷积神经网络的恶意代码识别技术研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
随着移动互联网和5G等新技术的发展,恶意代码呈井喷之势,传统基于特征码、启发式搜索等恶意代码识别方法在新形势下捉襟见肘,难以满足企业海量恶意代码实时检测的实际应用需求.开展了基于卷积神经网络的恶意代码识别技术研究,提出了企业恶意代码分析架构及算法流程设计,在终端侧通过程序逆向分析实现可疑文件操作码及操作数的特征建模,在主站侧通过可疑文件动态执行实现其API调用特征的建模,通过字典构建将恶意代码的识别问题转化为文本识别问题,最后采用采用卷积神经网络对互联网样本集进行了训练及验证,结果显示所提算法能达到较高的识别水平.
Research on Malicious Code Recognition Technology Based on Convolutional Neural Network

樊凯、毕凯峰

展开 >

中国南方电网有限责任公司,广东 广州 510000

南方电网数字电网研究院有限公司,广东 广州 510000

静态识别 动态识别 恶意代码 卷积神经网络 网络安全

中国南方电网有限责任公司项目

ZBKJXM20190077

2024

10.3969/j.issn.1009-0134.2024.05.021

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(5)
  • 25