基于1D-CNN-Densenet的恶意代码检测方法

LIU Xiaochen,LU Tianliang,YANG Jinao,YANG Ming

Journal of People's Public Security University of China(Science and Technology)（2022）

引用 0|浏览2

暂无评分

摘要

恶意代码的API调用序列可以反映恶意行为,深度学习模型可以应用在基于API调用序列检测恶意代码中.本文基于一维卷积神经网络和稠密网络结构设计了 1D-CNN-Densenet网络模型,将恶意代码动态API调用序列处理成文本特征作为输入,横向一维卷积计算,纵向构建稠密结构网络,将前面所有层输出的相加作为下一层的输入,更深层次学习恶意代码的文本特征.实验表明1D-CNN-Densenet的恶意代码检测准确率达到了 96.60％,在恶意代码检测方面有较好性能.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要