基于灰度图纹理指纹的恶意软件分类

随着安卓恶意软件数量的快速增长,传统的恶意软件检测与分类机制存在检测率低、训练模型复杂度高等问题.为解决上述问题,结合图像纹理特征提取技术和机器学习分类器,提出基于灰度图纹理特征的恶意软件分类方法.该方法首先将恶意软件样本生成灰度图,设计并集成了包含 GIST和Tamura特征提取算法在内的4 种特征提取方法;然后将所得纹理特征集合作为源数据,基于 Caffe 高性能处理架构构造了 5 种分类学习模型,最终实现对恶意软件的检测和分类.实验结果表明,基于图像纹理特征的恶意软件分类具有较高的准确率,且 Caffe架构能有效缩短学习时间,降低复杂度.