基于深度学习的恶意代码检测技术研究  

作　　者：蒲经纬 张辉 唐斌 

机构地区：[1]中国人民警察大学,河北065000

出　　处：《网络安全技术与应用》2024年第10期39-43,共5页Network Security Technology & Application

基　　金：2022年公安部科技计划项目“数字图像盲取证技术研究”(2022JSYJC24)。

摘　　要：近年来,恶意代码的爆炸性增长对计算机信息系统造成严重威胁,如何在初始阶段有效检测恶意代码成为了备受关注的话题。传统的恶意代码检测技术往往具有较高的误报率和漏报率,基于机器学习技术的恶意代码检测方法也存在提取特征较少、模型框架单一等问题。本文以大型开源数据集Ember为基础,设计了一种深度前馈神经网络模型。将原始数据集进行预处理,转化为二维特征向量;确定模型参数,纵向构建多层稠密结构网络;测试模型的检测效果,并将该模型与其他机器学习算法进行比较。结果表明,该深度前馈神经网络取得了较好的检测效果,基本满足了恶意代码检测要求。

关 键 词：恶意代码检测 静态分析 深度学习 前馈神经网络 PE文件 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TP393.08[自动化与计算机技术—控制科学与工程]