期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
TriCh-LKRepNet:融合三通道映射与结构重参数化的大核卷积恶意代码分类网络 被引量:4
1
作者 李思聪 王坚 +1 位作者 宋亚飞 王硕 《电子学报》 EI CAS CSCD 北大核心 2024年第7期2331-2340,共10页
随着网络威胁的日益严峻,恶意代码的检测与分类变得尤为关键.传统分析方法依赖手动特征提取,不仅耗时且难以跟上恶意代码的快速变异.相比之下,深度学习技术在恶意代码分类方面展现出巨大潜力.然而,模型复杂度和资源消耗仍是实际部署的难... 随着网络威胁的日益严峻,恶意代码的检测与分类变得尤为关键.传统分析方法依赖手动特征提取,不仅耗时且难以跟上恶意代码的快速变异.相比之下,深度学习技术在恶意代码分类方面展现出巨大潜力.然而,模型复杂度和资源消耗仍是实际部署的难题.本研究提出了TriCh-LKRepNet(Triple-Channel Large Kernel Reparameterisation Network),该网络专注于轻量化设计,旨在确保检测性能的同时降低计算和内存需求.通过提出的三通道映射技术,将恶意代码的多维信息有效转换为图像通道,增强了特征的区分性.结合卷积神经网络(Convolutional Neural Networks,CNN)和Transformer的优势,设计了一个高效的深度学习架构,并通过重参数化技术优化了连接路径,以降低内存消耗并提升运行效率.此外,引入的线性训练时间过参数化和大卷积核技术进一步降低了模型的参数量和计算负担.通过实验证明,TriCh-LKRepNet在提升恶意代码分类精度的同时实现了模型的轻量化,与现有技术相比,展现出更佳的性能和更广泛的应用潜力,特别是在资源受限和需要实时检测的环境中,提供了一种有效的解决方案. 展开更多
关键词 恶意代码分类 恶意代码可视化 结构重参数化 大卷积核 汇编信息 语义关系
在线阅读 下载PDF
动态简讯
2
《北京档案》 北大核心 2011年第5期63-63,49,共2页
昌平区《政务信息汇编》连续七年被列入区政府为民办实事工程昌平区档案局编辑的《政务信息汇编》已经“走进了”百姓生活,成为人民群众了解政策、维护权益的助手,受到人民群众的普遍欢迎和一致好评。
关键词 昌平区档案局 简讯 动态 信息汇编 人民群众 百姓生活 实事工程 维护权益
在线阅读 下载PDF
动态简讯
3
《北京档案》 北大核心 2011年第3期62-62,共1页
昌平区《政务信息汇编》刊物改版升级为不断满足各群体读者的需要,昌平区档案局广泛开展调研活动,通过采取发放调查问卷等形式收集各方面意见,不断丰富《政务信息汇编》的信息容量,2011年将对刊物进行改版升级。(秦德仲) 朝阳区... 昌平区《政务信息汇编》刊物改版升级为不断满足各群体读者的需要,昌平区档案局广泛开展调研活动,通过采取发放调查问卷等形式收集各方面意见,不断丰富《政务信息汇编》的信息容量,2011年将对刊物进行改版升级。(秦德仲) 朝阳区对保障性住房审核档案进行调研前不久,朝阳区档案局深入区房屋管理局、和平街街道办事处对保障性住房审核档案进行调研,详细了解办理流程和文件材料形成情况,为下一步采取措施规范保障性住房审核档案的管理奠定了基础。 展开更多
关键词 昌平区档案局 朝阳区档案局 保障性住房 房屋管理局 简讯 动态 信息汇编 街道办事处
在线阅读 下载PDF
基于改进CNN的恶意软件分类方法 被引量:10
4
作者 轩勃娜 李进 《电子学报》 EI CAS CSCD 北大核心 2023年第5期1187-1197,共11页
越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(Convolutional Neural Networks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软件RGB(Red Green ... 越来越多的恶意软件变种给网络安全带来了巨大的威胁,导致了现有基于CNN(Convolutional Neural Networks)的恶意软件分类方法的泛化能力弱和准确性不足.为了解决这些问题,本文提出了一种新的方法,即基于改进CNN的恶意软件RGB(Red Green Blue)可视化的分类方法,可以抵御变种和混淆性恶意软件.首先,提出了一种基于RGB图像的特征表示方法,该方法更加关注恶意软件的二进制和汇编信息、API信息间的语义关系,生成具有更丰富纹理信息的图像,可以挖掘恶意代码原始与变种之间更深层的依赖关系.其次,针对恶意软件的加密和混淆问题,使用坐标注意力模块(Coordinate Attention Module,CAM)获取更大范围的空间信息来强化特征.最后,结合空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)来改进CNN模型,解决因图像尺寸归一化导致的信息丢失和冗余.实验结果表明,上述方法在最近的先进方法中脱颖而出,对Kaggle数据集和DataCon数据集的准确率分别达到99.48%和97.78%.与其它方法相比,该方法对Kaggle数据集的准确率提高了0.22%,对DataCon数据集的准确率提高了0.80%.本文方法可以有效地分类恶意软件和恶意软件家族变种,具有良好的泛化能力和抗混淆能力. 展开更多
关键词 网络安全 恶意代码分类 RGB图像 汇编信息 语义关系 坐标注意力模块 空洞空间金字塔
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部