基于卷积神经网络的JavaScript恶意代码检测方法

• 作者: 万良 邓烜堃 龙廷艳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 JavaScript脚本 灰阶图像 机器学习 Web安全
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 89-94
• 页数: 6页
• 分类号: TP391
• 字数: 3503字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0005

摘要

机器学习的JavaScript恶意代码检测方法在提取特征过程中耗费时间和人力,以及这些频繁使用的机器学习方法已经无法满足当今信息大爆炸的实际需要.提出了一种基于卷积神经网络的JavaScript恶意代码检测方法.采用爬虫工具收集良性和恶意的JavaScript脚本代码获得样本数据;将JavaScript样本转换为相对应的灰阶图像,得到图像数据集;通过构建卷积神经网络模型对图像数据集进行训练,使得模型具有检测JavaScript恶意代码的能力.实验结果表明,相对于机器学习,该方法对收集到的5 800条JavaScript代码样本,检测准确率达到98.9%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
2	龙廷艳	贵州大学计算机科学与技术学院	4	10	2.0	3.0
3	邓烜堃	贵州大学计算机科学与技术学院	7	23	3.0	4.0