云南高校图书馆联盟文献共享服务平台- 恶意代码

恶意代码: 作品数：1439被引量：2144H指数：19; 导出分析报告; 相关领域：自动化与计算机技术更多>>; 相关作者：苏璞睿刘亮庞建民冯登国方勇更多>>; 相关机构：北京邮电大学国家互联网应急中心中国科学院电子科技大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家高技术研究发展计划国家重点基础研究发展计划中央高校基本科研业务费专项资金更多>>

基于二维离散傅里叶变换的恶意代码检测: 《郑州大学学报（理学版）》2025年第2期8-15,共8页刘亚姝邱晓华孙世淼赵潇逸严寒冰; 国家自然科学基金项目(62232016);国家重点研发计划重点专项(2022YFC3800502)。; 恶意代码数量越来越庞大,恶意代码分类检测技术也面临着越来越大的挑战。针对这个问题,一种新的恶意代码分类检测框架MGFG(malware gray image Fourier transform gist)模型被提出,其将恶意代码可执行(portable executable,PE)文件转换...; 关键词：恶意代码灰度图像傅里叶变换 GIST

基于知识图谱增强的恶意代码分类方法: 《郑州大学学报（理学版）》2025年第2期61-68,共8页夏冰何取东刘文博楚世豪庞建民; 河南省科技攻关项目(232102211088)。; 针对应用程序接口(application programming interface,API)序列识别的恶意代码分类方法存在特征描述能力弱和调用关系缺失的问题,提出一种基于知识图谱增强的恶意代码分类方法。首先,基于函数调用图抽取恶意代码所含的API实体及其调用...; 关键词：恶意代码 API序列语义抽取知识图谱可解释性

基于增强灰度共生矩阵的深度恶意代码可视化分类方法: 《信息安全学报》2025年第2期84-102,共19页王金伟陈正嘉谢雪罗向阳马宾; 国家重点研发计划(No.2021QY0700);国家自然科学基金(No.62072250,No.62172435,No.U1804263,No.U20B2065,No.61872203,No.71802110,No.61802212);中原科技创新领军人才项目(No.214200510019);江苏自然科学基金(No.BK20200750);河南省网络空间态势感知重点实验室开放基金(No.HNTS2022002);江苏省研究生研究与实践创新项目(No.KYCX200974);广东省信息安全技术重点实验室开放项目(No.2020B1212060078);山东省计算机网络重点实验室开放课题基金(No.SDKLCN-2022-05)资助。; 随着恶意代码规模和种类的增加,传统恶意代码分析方法由于需要人工提取特征,变得耗时且易出错。同时,恶意代码制作者也在不断研究和使用新技术手段逃避这些传统方法,因此传统分析方法不再适用。近年来,恶意代码可视化方法因其能够在图...; 关键词：深度学习数据可视化恶意代码检测和分类灰度共生矩阵

基于深度学习的恶意代码检测技术研究: 《通讯世界》2025年第3期40-42,共3页罗金星; 恶意代码攻击会影响网络安全,检测恶意代码并采取合理的策略进行防控极为必要,其中基于深度学习的恶意代码检测技术展现了显著的优势。基于此,简要概述深度学习及其在恶意代码检测中的应用价值,围绕卷积神经网络和循环神经网络探讨基于...; 关键词：恶意代码深度学习卷积神经网络循环神经网络

一种基于混合量子卷积神经网络的恶意代码检测方法: 《计算机科学》2025年第3期385-390,共6页熊其冰苗启广杨天袁本政费洋扬; 国家自然科学基金(61901525);河南警察学院院级课题资助项目(HNJY-2024-QN-03);河南省科技攻关项目(232102211031);河南省高等学校青年骨干教师培养计划(2024GGJS147)。; 量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。混合量子卷积神经网络结合了量子计算和经典卷积神经网络的双重优势,逐渐成为量子机器学习领域的研究热点之一。当前,恶意代码规模依然呈高速增长态势,检测...; 关键词：量子计算量子机器学习混合量子卷积神经网络恶意代码检测

基于卷积神经网络的恶意代码动态检测模型构建: 《软件》2025年第3期97-100,共4页路红韩运宝贾晏瑶; 随着互联网的普及和信息技术的飞速进步,恶意代码带来的威胁愈发严峻。为了有效应对这一问题,基于卷积神经网络的恶意代码动态检测模型逐渐成为研究热点。本文提出了一种基于卷积神经网络的恶意代码动态检测模型,该模型能够高效、精准...; 关键词：恶意代码动态检测卷积神经网络

计算机网络恶意代码检测方法优化分析: 《网络安全和信息化》2025年第2期34-36,共3页朱薏胡雪春; 借助特征匹配算法优化不必要的检测环节,完善预警监测模块,以提升恶意代码检测的精准度。; 关键词：计算机网络恶意代码监测模块检测环节特征匹配算法精准度

基于图神经网络的恶意软件家族识别方法研究: 《网络安全和信息化》2025年第2期46-48,共3页王宏坤冯妙娣鲁伟良姜波; 提出了基于图神经网络的恶意软件家族识别方法,通过将恶意代码转换为图结构并利用图神经网络进行特征学习,有效提升了识别的准确性与鲁棒性。; 关键词：恶意软件神经网络恶意代码鲁棒性识别方法家族准确性有效提升

基于深度学习的恶意代码分类技术研究: 《通讯世界》2025年第2期34-36,共3页崔玉彬; 恶意代码是一种常见的计算机安全威胁,具有较大的危害性,需对其进行准确识别和处理。恶意代码分类是增强恶意代码处理效果的重要手段,基于深度学习的恶意代码分类技术优势显著,成为未来发展方向。围绕基于深度学习的恶意代码分类技术,...; 关键词：深度学习恶意代码计算机安全

基于代码可视化的工业互联网恶意代码检测方法: 《计算机集成制造系统》2025年第2期567-578,共12页龙墨澜康海燕; 国家社会科学基金资助项目(21BTQ079);教育部人文社会科学基金资助项目(20YJAZH046)。; 针对工业互联网中不断增加的恶意软件数量和种类,传统恶意代码检测方法存在准确率低、时间开销大、数据预处理过程复杂等问题,结合神经网络在图像分类方向的成熟应用,提出一种基于代码可视化的工业互联网恶意代码检测方法。通过可视化...; 关键词：恶意代码分类代码可视化深度学习数据增强带权损失函数

恶意代码