典型文献
基于轻量级深度网络的计算机病毒检测方法
文献摘要：
为解决已有病毒检测机制无法很好地处理大量未知病毒及深度网络模型难以部署在嵌入式设备上应用的问题,提出一种基于轻量级深度网络的计算机病毒检测方法.采用B2M算法将病毒映射为灰度图像,提取灰度共生矩阵GLCM作为轻量级深度网络SqueezeNet的输入,将传统视觉特征与深度神经网络进行整合,实现病毒的高准确率判别.对SqueezeNet进行卷积结构和特征增强的改进,使之运行速度更快、资源消耗更低,检测精度更高.实验验证了该方法的有效性.
文献关键词：
深度学习;轻量级;SqueezeNet模型;病毒检测;卷积神经网络;B2M算法
中图分类号：
作者姓名：
吴恋;赵晨洁;韦萍萍;于国龙;徐勇
作者机构：
贵州师范学院数学与大数据学院,贵州贵阳550018;贵州大学计算机科学与技术学院,贵州贵阳550025;哈尔滨工业大学(深圳)计算机科学与技术学院,广东深圳518055
文献出处：
引用格式：
[1]吴恋;赵晨洁;韦萍萍;于国龙;徐勇-.基于轻量级深度网络的计算机病毒检测方法)[J].计算机工程与设计,2022(03):632-638
A类：
B类：
轻量级,计算机病毒,病毒检测,检测机,深度网络模型,嵌入式设备,B2M,灰度图像,灰度共生矩阵,GLCM,SqueezeNet,视觉特征,深度神经网络,行卷,特征增强,运行速度,资源消耗,检测精度
AB值：
0.330354
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。
