一种基于卷积神经网络的恶意代码检测模型  

作　　者：蒋应瑞 黎秋玲 

机构地区：[1]公安部第三研究所 [2]南京邮电大学现代邮政学院

出　　处：《江苏通信》2024年第6期102-105,共4页Jiangsu Communication

摘　　要：随着恶意代码规模和种类的不断增加,传统的检测方法难以应对恶意代码变体和复杂加密样本等问题。本文提出了一种基于卷积神经网络的恶意代码检测模型AMCMnet(Adaptive Multi-Convolutional Memory Network)。首先,该模型从多个角度获取代码特征,采用软阈值函数进行去噪处理,解决特征图像缩放引起的特征信息丢失问题。其次,通过在DenseNet121架构中引入动态挤压激励模块(Dynamic Squeeze-and-ExcitationModule,DSEM)动态调整特征图的权重,增强对关键信息的捕捉能力,从而实现对恶意代码的检测。实验结果表明,与现有的恶意代码检测方法相比,AMCMnet在精确率、准确率、召回率和F1分数等指标上均显著提升,特别是在处理恶意软件变体和复杂加密样本时,展现出更强的泛化能力和抗干扰能力。

关 键 词：网络安全 恶意代码检测 深度学习 卷积神经网络 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]