典型文献
一种基于三通道图像的恶意软件分类方法
文献摘要：
针对传统恶意软件采用图像分类方法准确率不高、抗混淆能力弱、模型训练收敛慢的缺点,本文对恶意软件图像表示方法进行改进,将恶意软件、字节Bigram、Lst文件转化成3种灰度图像,将3种灰度图像组合成三通道彩色图像进行分类,并将图像分类效果好的EfficientNet模型用于恶意软件图像分类.结合迁移学习领域中的微调技术将ImageNet数据集的分类权重应用于EfficientNet,提高模型的收敛速度和分类效果,减少模型的训练开销.实验表明在微调技术下模型收敛速度快于预训练,且微调后的最优模型对20种恶意软件的分类准确率达到97.22％.相比ResNet、VGG16等网络,本文的模型具有参数量和浮点运算次数少、准确率高的优点.
文献关键词：
恶意软件;EfficientNet;ImageNet;微调
中图分类号：
作者姓名：
杨春雨;徐洋;张思聪;李小剑
作者机构：
贵州师范大学贵州省信息与计算科学重点实验室,贵州贵阳550001
文献出处：
引用格式：
[1]杨春雨;徐洋;张思聪;李小剑-.一种基于三通道图像的恶意软件分类方法)[J].武汉大学学报（理学版）,2022(01):26-34
A类：
Bigram,Lst
B类：
三通道,恶意软件分类,分类方法,用图像分类,模型训练,表示方法,字节,转化成,灰度图像,图像组合,组合成,彩色图像,分类效果,EfficientNet,迁移学习,学习领域,微调技术,ImageNet,收敛速度,训练开销,快于,预训练,最优模型,分类准确率,ResNet,VGG16,参数量,浮点运算
AB值：
0.352924
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。
