基于深度置信网络的恶意代码检测方法研究

• 作者: 强晗 田礼明 郭亚兰
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 恶意代码检测 反汇编 n-gram 信息增益 深度置信网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 安全与防范
• 页码范围: 93-97
• 页数: 5页
• 分类号: TP302.1
• 字数: 4262字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.07.019

摘要

随着互联网的普及、信息技术的飞速发展,信息安全的问题也日益严重,恶意代码是其中主要威胁之一.当前恶意代码呈现出数量巨大,技术不断更新的现状,恶意代码检测技术面临严峻挑战.因此,文中提出了基于指令序列特征和深度置信网络的恶意代码检测方法,它包括三个部分:样本预处理模块、特征构造与约简模块以及深度置信网络分类模块.数据预处理模块使用PEID、VMUNPACKER对恶意代码样本进行查壳、脱壳处理并用IDA pro对样本进行反汇编获取操作码;特征提取模块使用n-gram窗口滑动获取特征并采用信息增益的方法对特征进行选择;深度置信网络模块使用深度置信网络(DBN)在训练集上进行训练生成深度学习网络,再使用训练好的网络对样本进行分类与检测.实验结果表明,该方法相较于传统的恶意代码检测方法,检测速度和效率有较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田礼明		5	1	1.0	1.0
2	强晗		1	1	1.0	1.0
3	郭亚兰		1	1	1.0	1.0