基于擠壓激勵(lì)網(wǎng)絡(luò)的惡意代碼家族檢測(cè)方法 | |
所屬分類(lèi):技術(shù)論文 | |
上傳者:zhoubin333 | |
文檔大小:902 K | |
標(biāo)簽: 惡意代碼 機(jī)器學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) | |
所需積分:0分積分不夠怎么辦? | |
文檔介紹:惡意代碼已經(jīng)成為威脅網(wǎng)絡(luò)安全的重要因素?;跈C(jī)器學(xué)習(xí)的惡意代碼檢測(cè)方法已經(jīng)取得較好的效果,但面對(duì)相似的惡意代碼家族,往往效果不佳。對(duì)此,提出了一種基于擠壓激勵(lì)網(wǎng)絡(luò)的檢測(cè)算法,由卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)與擠壓和激勵(lì)(Squeeze-and-Excitation,SE)模塊構(gòu)成。CNN先快速提取惡意代碼的圖像特征,SE模塊對(duì)多通道特征圖進(jìn)行全局平均池化,將全局信息壓縮,然后通過(guò)全連接層自適應(yīng)學(xué)習(xí),并將每個(gè)通道特征圖賦予不同的權(quán)重來(lái)表示不同的重要程度,指導(dǎo)激勵(lì)或抑制特征信息。實(shí)驗(yàn)結(jié)果表明,該方法相對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)方法有更好的檢測(cè)效果,與深度學(xué)習(xí)算法相比檢測(cè)效果也有一定的提升且參數(shù)量大大減少。 | |
現(xiàn)在下載 | |
VIP會(huì)員,AET專(zhuān)家下載不扣分;重復(fù)下載不扣分,本人上傳資源不扣分。 |
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號(hào)-2