基于DQN的恶意代码检测研究

• 作者: 姜倩玉 王凤英 贾立鹏
• 来源期刊: 网络安全技术与应用
• 关键词: 恶意代码检测 强化学习 深度学习 DQN 纹理特征
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 安全模型、算法与编程
• 页码范围: 57-60
• 页数: 4页
• 字数: 3656字
• 语种: 中文

摘要

面对大数据时代恶意代码飞速增长的现状,提出了一种基于DQN的恶意代码检测分类方法.该方法将恶意代码反汇编文件可视化为灰度图像,建立基于DQN的恶意代码分类模型对恶意代码灰度图像进行分类.该方法结合了强化学习的试错机制和动作优化策略,以及深度学习对图像深层特征的挖掘,实现了对恶意代码的识别.实验结果表明,该方法相对其他分类方法而言,具有更高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王凤英		51	260	9.0	13.0
2	贾立鹏		1	0	0.0	0.0
3	姜倩玉		1	0	0.0	0.0