典型文献
一种基于改进深度残差收缩网络的恶意应用检测方法
文献摘要：
恶意应用的快速增长给移动智能终端带来了巨大的安全威胁,实现恶意应用高精度检测对移动网络信息安全具有重要意义.本文提出一种基于改进深度残差收缩网络的恶意应用检测方法.首先将流量特征预处理成卷积神经网络输入,接着引入通道注意力机制和空间注意力机制,从通道和空间两个维度对样本特征进行加权.然后再引入深度残差收缩网络,自适应滤除样本冗余特征并通过恒等连接优化参数反向传播,减小模型训练和分类的难度,最终实现安卓恶意应用高精度识别.所提方法可避免手工提取特征,能实现高精度分类并且具有一定泛化能力.实验结果表明,所提方法在恶意应用的2分类、4分类和42分类中准确率分别为99.40％、99.95％和97.33％,与现有方法相比,具有较高的分类性能与泛化能力.
文献关键词：
恶意应用;恶意家族;深度残差收缩网络;信息安全
中图分类号：
作者姓名：
许历隆;翟江涛;林鹏;崔永富
作者机构：
南京信息工程大学 电子与信息工程学院,南京,210044
文献出处：
引用格式：
[1]许历隆;翟江涛;林鹏;崔永富-.一种基于改进深度残差收缩网络的恶意应用检测方法)[J].南京信息工程大学学报,2022(03):368-378
A类：
特征预处理,恶意家族
B类：
进深,深度残差收缩网络,恶意应用,长给,移动智能终端,安全威胁,高精度检测,移动网络,网络信息安全,流量特征,通道注意力机制,空间注意力机制,样本特征,再引入,滤除,冗余特征,恒等,连接优化,优化参数,反向传播,模型训练,安卓,高精度识别,提取特征,泛化能力,分类性能
AB值：
0.28277
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
