典型文献
基于多尺度卷积神经网络的恶意代码分类方法
文献摘要：
恶意代码文件大小差异巨大,使用传统卷积神经网络对其可视化图像进行训练时会因分辨率调整导致大量信息丢失.为此,文章提出一种基于多尺度卷积神经网络的恶意代码分类方法.该方法首先将不同大小的恶意代码生成为多种特定分辨率的图像;然后利用DenseNet网络提取特征,避免因调整至同一分辨率导致信息损失;最后通过空间金字塔模型处理多尺度特征,进而训练分类模型.实验结果表明,该方法有效提高了恶意代码分类性能.
文献关键词：
恶意代码分类;空间金字塔;多尺度;卷积神经网络
中图分类号：
作者姓名：
刘家银;李馥娟;马卓;夏玲玲
作者机构：
江苏警官学院计算机信息与网络安全系,南京 210031;江苏省电子数据取证分析工程研究中心,南京 210031;江苏省公安厅数字取证重点实验室,南京 210031;南京大学计算机软件新技术国家重点实验室,南京 210093
文献出处：
引用格式：
[1]刘家银;李馥娟;马卓;夏玲玲-.基于多尺度卷积神经网络的恶意代码分类方法)[J].信息网络安全,2022(10):31-38
A类：
B类：
多尺度卷积神经网络,恶意代码分类,分类方法,文件大小,小差,信息丢失,同大,代码生成,DenseNet,提取特征,致信,信息损失,空间金字塔,金字塔模型,模型处理,多尺度特征,分类模型,分类性能
AB值：
0.257999
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。
