摘要
针对现有恶意软件检测方法缺乏对样本特征的有效提取、过度依赖领域专家知识和运行行为监控,导致严重影响检测分类性能的问题,提出一种基于多维度动态加权alpha图像融合与特征增强的恶意软件检测方法 .通过无效样本清洗与异常值处理获得标准化样本集,利用三通道图像生成与多维度动态加权alpha图像融合方法生成高质量融合图像样本.采用傀儡优化算法进行数据重构,减少因数据类不平衡对检测结果造成的影响,并对重构数据样本进行图像增强.通过基于双分支特征提取与融合通道信息表示的空间注意力增强网络,分别提取图像特征和文本特征并进行特征增强,提高特征表达能力.通过加权融合的方法将增强的图像特征与文本特征进行融合,实现恶意软件家族的检测分类.实验结果表明,本文所提方法在BIG2015数据集上的恶意软件检测分类准确率为99.72%,与现有检测方法相比提升幅度为0.22~2.50个百分点.
Existing malware detection methods suffer from inadequate extraction of sample features,excessive reliance on domain expert knowledge,and operational behavior monitoring,significantly impacting detection and classification performance.To address these issues,we propose a malware detection method based on multidimensional dynamic weighted alpha image fusion and feature enhancement.Standardized sample sets are obtained through invalid sample cleaning and outlier processing.High-quality fused image samples are then generated using a three-channel image generation and multidimensional dynamic weighted alpha image fusion method.The puppet optimization algorithm is employed for data reconstruction to mitigate the impact of data class imbalance on detection results,and image enhancement is performed on the reconstructed data samples.A spatial attention enhancement network based on dual-branch feature extraction and fusion channel information representation is used to extract and enhance image and text features,thereby improving feature representation capabilities.The enhanced image and text features are fused using a weighted fusion method to achieve malware family detection and classification.Experimental results show that the proposed method achieves a malware detection classification accuracy of 99.72%on the BIG2015 dataset,representing an improvement of 0.22~2.50 percentage points over existing detection methods.
作者
谢丽霞
魏晨阳
杨宏宇
胡泽
成翔
XIE Li-xia;WEI Chen-yang;YANG Hong-yu;HU Ze;CHENG Xiang(School of Computer Science and Technology,Civil Aviation University of China,Tianjin 300300,China;School of Safety Science and Engineering,Civil Aviation University of China,Tianjin 300300,China;School of Information Engineering,Yangzhou University,Yangzhou,Jiangsu 225127,China;Key Laboratory of Civil Aviation Flight Networking,Civil Aviation University of China,Tianjin 300300,China)
出处
《电子学报》
北大核心
2025年第3期849-863,共15页
Acta Electronica Sinica
基金
国家自然科学基金(No.62201576,No.U1833107)
江苏省基础研究计划自然科学基金(No.BK20230558)。
关键词
恶意软件检测
图像融合
傀儡优化算法
双分支特征提取
数据重构
特征增强
malware detection
image fusion
puppet optimization algorithm
dual-branch feature extraction
data reconstruction
feature enhancement
作者简介
谢丽霞,女,1974年4月出生,重庆人.中国民航大学教授.主要研究方向为网络与系统安全、信息安全.E-mail:lxxie@126.com;魏晨阳,男,1998年9月出生,河南新乡人.中国民航大学硕士研究生.主要研究方向为网络信息安全、恶意软件检测.E-mail:wcy17337373217@163.com;通讯作者:杨宏宇,男,1969年12月出生,吉林长春人.博士,中国民航大学教授,博士生导师.主要研究方向为网络与系统安全、漏洞分析与评估、云计算与大数据安全.E-mail:yhyxlx@hotmail.com;胡泽,男,1989年7月出生,山西临汾人.博士,中国民航大学讲师.主要研究方向为自然语言处理、人工智能、信息安全.E-mail:zhu@cauc.edu.cn;成翔,男,1988年9月出生,新疆乌鲁木齐人.博士,扬州大学实验师.主要研究方向为网络与系统安全、网络安全态势感知、联邦学习、边缘计算.E-mail:huozhai9527@126.com。
