检索结果-南通市图书馆

检索条件"主题词=Windows API调用序列"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的恶意软件可视化检测研究

基于深度学习的恶意软件可视化检测研究

引用

作者：云霄倩桂林电子科技大学

学位级别：硕士

具有大量用户的windows操作系统一直是恶意软件的主要攻击对象。传统的检测方法在特征分析方面存在计算资源需求量大的挑战,并且难以应对采用加壳和混淆技术而快速变种的恶意软件。将软件直接可视化为图像再采用深度学习技术进行分类的... 详细信息

具有大量用户的windows操作系统一直是恶意软件的主要攻击对象。传统的检测方法在特征分析方面存在计算资源需求量大的挑战,并且难以应对采用加壳和混淆技术而快速变种的恶意软件。将软件直接可视化为图像再采用深度学习技术进行分类的方法具有不需要复杂的特征采集的优势,但是将软件静态特征直接可视化难以反映恶意软件行为特征。同时,现实中某些恶意类型的样本数量过小,样本不平衡问题导致小样本类别检测精度过低。针对上述问题,本文研究了恶意软件动态特征的可视化方法与数据增强方法,并利用深度学习技术对恶意软件进行检测,主要研究内容如下:1、针对恶意软件特征提取部分,动态api调用序列可以反映软件特定的行为顺序,为了保留windows api调用序列的调用顺序,本文首次提出一种基于格拉姆角场(GAF)思想的恶意软件可视化和动态分析相结合的方法,使用动态分析获取的windows api调用序列生成GAF特征图像,并设计卷积神经网络(CNN)从图像纹理角度进行恶意软件检测,实验结果证明了本文所提方法的有效性。2、针对数据集不均衡、模型对数据集中样本量少的类别识别精度低的问题,本文提出一种基于恶意软件可视化和生成对抗网络(GAN)的恶意软件数据增强方法。首先,在动态api调用顺序的基础上,结合api调用次数生成一种新的恶意软件RGB图像。其次针对恶意软件样本量少的类别,设计了一种基于WGAN-GP的恶意软件数据增强模型。最后从生成数据质量评估和模型准确率角度进行实验,一方面采用PSNR和SSIM两种图像质量评估方法评价生成数据与原始数据的相似性,从而验证所提出的数据增强模型的有效性。另一方面通过构建不同规模的数据集验证使用生成数据进行数据增强对模型检测准确率的影响。实验结果证明本文所提出的数据增强方法可以生成包含丰富特征信息的生成数据,能够有效缓解数据不均衡问题,同时提高模型检测性能。

关键词：恶意软件检测深度学习 GAF 生成对抗网络 windows api调用序列

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：