%0 Journal Article %A 陈小寒 %A 魏书宁 %A 覃正泽 %T 基于深度学习可视化的恶意软件家族分类 %D 2021 %R 10.3778/j.issn.1002-8331.2007-0291 %J 计算机工程与应用 %P 131-138 %V 57 %N 22 %X

计算机网络技术的快速发展,导致恶意软件数量不断增加。针对恶意软件家族分类问题,提出一种基于深度学习可视化的恶意软件家族分类方法。该方法采用恶意软件操作码特征图像生成的方式,将恶意软件操作码转化为可直视的灰度图像。使用递归神经网络处理操作码序列,不仅考虑了恶意软件的原始信息,还考虑了将原始代码与时序特征相关联的能力,增强分类特征的信息密度。利用SimHash将原始编码与递归神经网络的预测编码融合,生成特征图像。基于相同族的恶意代码图像比不同族的具有更明显相似性的现象,针对传统分类模型无法解决自动提取分类特征的问题,使用卷积神经网络对特征图像进行分类。实验部分使用10?868个样本(包含9个恶意家族)对深度学习可视化进行有效性验证,分类精度达到98.8%,且能够获得有效的、信息增强的分类特征。

%U http://cea.ceaj.org/CN/10.3778/j.issn.1002-8331.2007-0291