基于MobileNet的恶意软件家族分类模型
Malware Family Classification Model Based on MobileNet作者机构:新疆大学软件学院乌鲁木齐830046 新疆大学网络空间安全学院乌鲁木齐830046 新疆大学信息科学与工程学院乌鲁木齐830046
出 版 物:《计算机工程》 (Computer Engineering)
年 卷 期:2020年第46卷第4期
页 面:162-168页
学科分类:08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金“移动学习情境感知模型研究”(61867006) 新疆维吾尔自治区科技厅创新环境建设专项“校园网安全审计数据共享和威胁情报分析平台”(PT1811) 新疆维吾尔自治区创新环境建设专项(自然科学基金)联合基金“多种技术融合的Android恶意软件检测方法研究”(2019D01C062) 新疆维吾尔自治区高校科研计划项目—自然科学基金面上项目“基于异常模型的移动应用软件运行时行为检测方法研究”(XJEDU2017M005)
主 题:卷积神经网络 恶意软件分类 纹理特征 MobileNet v2模型 Softmax模型
摘 要:现有基于卷积神经网络(CNN)的恶意代码分类方法存在计算资源消耗较大的问题.为降低分类过程中的计算量和参数量,构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型.将恶意软件可视化为灰度图,以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性,利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2,自动提取纹理特征,并采用Softmax分类器对恶意代码进行家族分类.实验结果表明,该模型对恶意代码分类的平均准确率为99.32%,较经典的恶意代码可视化模型高出2.14个百分点.