基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Deep learning has been recently achieving a great performance for malware classification task. Several research studies such as that of converting malware into gray-scale images have helped to improve the task of classification in the sense that it is easier to use an image as input to a model that uses Deep Learning’s Convolutional Neural Network. In this paper, we propose a Con-volutional Neural Network model for malware image classification that is able to reach 98% accuracy.
推荐文章
Spatial prediction of landslide susceptibility using GIS-based statistical and machine learning mode
Landslide susceptibility mapping
Statistical model
Machine learning model
Four cases
Determination of brominated diphenyl ethers in atmospheric particulate matter using selective pressu
Brominated diphenyl ethers
Atmospheric particulate matters
Selective pressurised liquid extraction
Gas chromatography-mass spectrometry
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Malware Images Classification Using Convolutional Neural Network
来源期刊 电脑和通信(英文) 学科 工学
关键词 MALWARE Convolutional NEURAL NETWORK MALWARE CLASSIFICATION
年,卷(期) 2018,(1) 所属期刊栏目
研究方向 页码范围 153-158
页数 6页 分类号 TP39
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
MALWARE
Convolutional
NEURAL
NETWORK
MALWARE
CLASSIFICATION
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑和通信(英文)
月刊
2327-5219
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
783
总下载数(次)
0
总被引数(次)
0
论文1v1指导