作者:
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:
互联网软件既为人们生活提供了便利,但也带来了一定的潜在危险,故意设计的恶意软件会给网络安全带来威胁.本文对恶意软件检测技术进行了简要分析,结合机器学习提出了一种基于深度学习的恶意软件检测方法,结合使用卷积神经网络和长短期记忆网络,以此提高检测率.
推荐文章
基于软件基因的Android恶意软件检测与分类
Android安全
恶意软件基因
use-def链
检测
分类
基于Android权限信息的恶意软件检测
权限
恶意检测
安卓
机器学习
数据挖掘
基于免疫原理的恶意软件检测模型
人工免疫
恶意软件
病毒检测
反病毒
基于Android系统的手机恶意软件检测模型
Android系统
恶意软件
数据挖掘
敏感API
FP-growth算法
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 浅析基于深度学习的恶意软件检测
来源期刊 网络安全技术与应用 学科
关键词 恶意软件 深度学习 特征检测
年,卷(期) 2020,(8) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 68-69
页数 2页 分类号
字数 2226字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黎臻 中国电子科技集团公司第三十研究所 1 0 0.0 0.0
2 罗栗 中国电子科技集团公司第三十研究所 1 0 0.0 0.0
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  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
恶意软件
深度学习
特征检测
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
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导