期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于字节码图像和深度学习的Android恶意应用检测
被引量：
5
1
作者
陈铁明
项彬彬
+2 位作者
吕明琪
陈波
江颉
《电信科学》
2019年第1期9-17,共9页
提出一种将字节码转换成彩色图像后,再采用深度学习模型的新型Android恶意应用检测方法。首先将Android应用的字节码文件映射为三通道的RGB彩色图像,同时计算局部信息熵值,并将其作为Alpha通道,与RGB图像融合为带透明度的RGBA彩色图像,...
提出一种将字节码转换成彩色图像后,再采用深度学习模型的新型Android恶意应用检测方法。首先将Android应用的字节码文件映射为三通道的RGB彩色图像,同时计算局部信息熵值,并将其作为Alpha通道,与RGB图像融合为带透明度的RGBA彩色图像,最后利用卷积神经网络方法对图像进行分类,实现一个Android恶意应用检测原型系统。通过对8种恶意代码家族进行分类实验验证,并与灰度图等其他同类可视化成像方法进行对比,发现该方法具有检测速度快、精确度高等优点。
展开更多
关键词
恶意代
码
检测
字节码图像
香农信息熵
深度学习
分类
在线阅读
下载PDF
职称材料
结合注意力与双线性网络的Android恶意软件检测
被引量：
3
2
作者
秦海雪
王勇
《计算机工程与设计》
北大核心
2023年第11期3290-3297,共8页
为解决基于字节码图像的Android恶意软件检测方法中存在多分类准确率不高、易被噪音数据干扰等问题,提出一种结合注意力与双线性网络的恶意软件检测方法。从软件样本中提取字节码文件并将其映射为彩色图像,将注意力机制加入双线性网络...
为解决基于字节码图像的Android恶意软件检测方法中存在多分类准确率不高、易被噪音数据干扰等问题,提出一种结合注意力与双线性网络的恶意软件检测方法。从软件样本中提取字节码文件并将其映射为彩色图像,将注意力机制加入双线性网络的一条分支中减小噪音数据的影响,使用结合注意力的双线性网络模型完成对字节码图像的分类。实验结果表明,该方法在恶意软件二分类与多分类中均具有良好的性能,总体检测性能优于其它同类方法与模型。
展开更多
关键词
安卓
恶意软件检测
双线性网络
注意力机制
字节码图像
深度学习
信息安全
在线阅读
下载PDF
职称材料
题名
基于字节码图像和深度学习的Android恶意应用检测
被引量：
5
1
作者
陈铁明
项彬彬
吕明琪
陈波
江颉
机构
浙江工业大学计算机科学与技术学院
出处
《电信科学》
2019年第1期9-17,共9页
基金
国家自然科学基金资助项目(No.61202282
No.61772026)
国家自然科学基金与浙江省政府联合项目(No.U1509214)~~
文摘
提出一种将字节码转换成彩色图像后,再采用深度学习模型的新型Android恶意应用检测方法。首先将Android应用的字节码文件映射为三通道的RGB彩色图像,同时计算局部信息熵值,并将其作为Alpha通道,与RGB图像融合为带透明度的RGBA彩色图像,最后利用卷积神经网络方法对图像进行分类,实现一个Android恶意应用检测原型系统。通过对8种恶意代码家族进行分类实验验证,并与灰度图等其他同类可视化成像方法进行对比,发现该方法具有检测速度快、精确度高等优点。
关键词
恶意代
码
检测
字节码图像
香农信息熵
深度学习
分类
Keywords
malware detection
byte-code image
Shannon entropy
deep learning
classification
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
结合注意力与双线性网络的Android恶意软件检测
被引量：
3
2
作者
秦海雪
王勇
机构
上海电力大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2023年第11期3290-3297,共8页
基金
上海市自然科学基金面上基金项目(20ZR1455900)
大数据协同安全技术国家工程实验室开放式基金项目(QAX-20180)。
文摘
为解决基于字节码图像的Android恶意软件检测方法中存在多分类准确率不高、易被噪音数据干扰等问题,提出一种结合注意力与双线性网络的恶意软件检测方法。从软件样本中提取字节码文件并将其映射为彩色图像,将注意力机制加入双线性网络的一条分支中减小噪音数据的影响,使用结合注意力的双线性网络模型完成对字节码图像的分类。实验结果表明,该方法在恶意软件二分类与多分类中均具有良好的性能,总体检测性能优于其它同类方法与模型。
关键词
安卓
恶意软件检测
双线性网络
注意力机制
字节码图像
深度学习
信息安全
Keywords
Android
malware detection
bilinear network
attentional mechanism
bytecode image
deep learning
information security
分类号
TP309.5 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于字节码图像和深度学习的Android恶意应用检测
陈铁明
项彬彬
吕明琪
陈波
江颉
《电信科学》
2019
5
在线阅读
下载PDF
职称材料
2
结合注意力与双线性网络的Android恶意软件检测
秦海雪
王勇
《计算机工程与设计》
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
