计算机工程

作者：曾娅琴, 张琳琳, 张若楠, 杨波

单位：新疆大学 a. 软件学院;b. 网络空间安全学院;c. 信息科学与工程学院, 乌鲁木齐 830046

关键词：卷积神经网络,恶意软件分类,纹理特征,MobileNet v2模型,Softmax模型

基金：国家自然科学基金"移动学习情境感知模型研究"（61867006）；新疆维吾尔自治区科技厅创新环境建设专项"校园网安全审计数据共享和威胁情报分析平台"（PT1811）；新疆维吾尔自治区创新环境建设专项（自然科学基金）联合基金"多种技术融合的Android恶意软件检测方法研究"（2019D01C062）；新疆维吾尔自治区高校科研计划项目—自然科学基金面上项目"基于异常模型的移动应用软件运行时行为检测方法研究"（XJEDU

现有基于卷积神经网络（CNN）的恶意代码分类方法存在计算资源消耗较大的问题。为降低分类过程中的计算量和参数量，构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型。将恶意软件可视化为灰度图，以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性，利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2，自动提取纹理特征，并采用Softmax分类器对恶意代码进行家族分类。实验结果表明，该模型对恶意代码分类的平均准确率为99.32%，较经典的恶意代码可视化模型高出2.14个百分点。

来源：2020年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第4期