基于MobileNet的恶意软件家族分类模型

• 作者: 张琳琳 张若楠 曾娅琴 杨波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 恶意软件分类 纹理特征 MobileNet v2模型 Softmax模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络空间安全
• 页码范围: 162-168
• 页数: 7页
• 分类号: TP309
• 字数: 5051字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054313

摘要

现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32％,较经典的恶意代码可视化模型高出2.14个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琳琳	新疆大学网络空间安全学院	33	128	6.0	9.0
5	张若楠	新疆大学软件学院	3	1	1.0	1.0
6	杨波	新疆大学软件学院	8	14	3.0	3.0
7	曾娅琴	新疆大学软件学院	1	0	0.0	0.0