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：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>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專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。