-
题名基于图像纹理和卷积神经网络的恶意文件检测方法
被引量：13
- 1
-
-
作者
蒋晨
胡玉鹏
司凯
旷文鑫
-
机构
湖南大学信息科学与工程学院
-
出处
《计算机应用》
CSCD
北大核心
2018年第10期2929-2933,共5页
-
基金
湖湘青年英才计划项目(2017RS3018)~~
-
文摘
在大数据环境下,针对传统恶意文件检测方法对经过代码变种和混淆后的恶意文件检测准确率低以及对跨平台恶意文件检测通用性弱等问题,提出一种基于图像纹理和卷积神经网络的恶意文件检测方法。首先,使用灰度图像生成算法将Android和Windows平台下可执行文件,即. dex和. exe文件,转换成相应的灰度图像;然后,通过卷积神经网络(CNN)算法自动提取这些灰度图像的纹理特征并加以学习训练,从而构建出一个恶意文件检测模型;最后,使用大量未知待检测的文件去验证模型检测准确率的高低。通过对大量的恶意样本进行实验,在Android和Windows平台下,模型检测最高准确率分别达到79. 6%和97. 6%,平均准确率分别约为79. 3%和96. 8%;与基于纹理指纹的恶意代码变种检测方法相比,基于图像纹理和卷积神经网络的恶意文件检测方法准确率提高了约20%。实验结果表明,所提方法能够有效避免人工筛选特征带来的问题,大幅提高检测的准确率和效率,成功解决跨平台检测问题,实现了一种端到端的恶意文件检测模型。
-
关键词
大数据
恶意文件检测
深度学习
灰度图像
卷积神经网络
-
Keywords
big data
malicious file detection
deep learning
grayscale image
Convolutional Neural Network(CNN)
-
分类号
TP309.5
[自动化与计算机技术—计算机系统结构]
-
-
题名快应用的技术特征分析与系统实现
- 2
-
-
作者
张博文
樊子谦
任奎穆
翟中豪
王光辉
何欣
-
机构
河南大学软件学院
南京邮电大学物联网学院
河南省智能网络理论与关键技术国际联合实验室
河南省智能数据处理工程研究中心
-
出处
《计算机与数字工程》
2020年第12期2925-2931,共7页
-
基金
中国博士后科学基金面上项目(编号:2020M672211)
河南省教育厅高等学校重点科研项目(编号:21A520003)资助。
-
文摘
随着移动互联网的快速发展,轻量级应用已经融入人们生活。快应用架构具有无需下载与即点即用的特点,备受产业界与学术界的关注。论文介绍了快应用的起源与背景,阐述了快应用的生态环境,分析了快应用的技术特征,实现了一种基于快应用的恶意文件检测系统。通过与微信小程序和超级文本标记语言HTML5进行技术特征对比,并且将基于快应用、基于微信小程序和基于移动HTML5应用开发技术的恶意文件检测系统进行实现方案对比,展示了快应用架构在简洁高效开发方面的技术特征优势。
-
关键词
快应用架构
技术特征分析
系统实现
恶意文件检测
-
Keywords
Quick App architecture
technical characteristic analysis
implementation
malicious file detection
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
