恶意代码检测

作品数：177被引量：655H指数：12
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：杨吉云陈铁明方勇王志庞建民更多>>
相关机构：北京邮电大学武汉安天信息技术有限责任公司哈尔滨工业大学电子科技大学更多>>
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广东省粤港关键领域重点突破项目北京市自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
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 
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 
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 
基于扩散模型的恶意代码数据集扩充方法
《空军工程大学学报》2025年第1期95-103,共9页李思聪 王坚 宋亚飞 王硕 冯存前 
国家自然科学基金(61806219,61703426,61876189);陕西省自然科学基础研究计划(2021JM-226);陕西省高校科协青年人才托举计划(20190108,20220106);陕西省创新能力支撑计划(2020KJXX-065)。
随着大数据的支撑,深度学习模型在计算机视觉和自然语言处理等领域展现出卓越的能力。然而,在恶意代码图像领域应用中,可能会出现训练数据不足的情况。由于部分恶意家族训练样本数量有限,无法充分描述整个数据集的分布特征,深度学习模...
关键词：恶意代码检测 扩散模型 恶意代码可视化 数据增强技术 U-Net 
一种基于卷积神经网络的恶意代码检测模型
《江苏通信》2024年第6期102-105,共4页蒋应瑞 黎秋玲 
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...
关键词：网络安全 恶意代码检测 深度学习 卷积神经网络 
一种基于多图像特征融合和GA-Stacking的恶意代码检测模型
《通信技术》2024年第12期1305-1310,共6页熊其冰 
河南省重点研发专项项目(221111321700);河南警察学院院级课题资助项目(HNJY-2024-QN-03);河南省高等学校青年骨干教师培养计划(2024GGJS147)。
随着互联网技术的不断进步,应用程序数量呈现出高速增长的态势,同时恶意软件的数量和种类不断增长,加剧了网络空间安全风险。基于多图像特征融合和GA-Stacking的恶意代码检测模型选取图像全局图像结构张量(Global Image Structure Tenso...
关键词：图像特征 遗传算法 Stacking集成 恶意代码检测 
基于特征融合的恶意代码检测
《计算机工程与设计》2024年第12期3568-3574,共7页李梦 刘万平 黄东 
重庆市自然科学基金项目(cstc2021jcyj-msxmX0594);重庆理工大学研究生教育高质量发展行动计划成果基金项目(gzlcx20233228)。
使用单一静态特征进行检测的方法无法应对经过反检测手段处理的恶意代码。为解决这一问题,提出一种利用特征融合进行恶意代码检测的方法,这种方法同时使用静态和动态特征。利用可视化方法将恶意代码可执行文件的全局结构信息转换为字节...
关键词：恶意代码 可视化 特征融合 空间金字塔池化 布谷鸟沙箱 静态特征 动态特征 
基于显著性分析的恶意代码对抗样本生成方法
《信息安全学报》2024年第6期60-73,共14页詹达之 孙毅 张磊 刘鑫 郭世泽 潘志松 
国家自然科学基金(No.62076251,No.62106281)资助。
借助于人工智能技术的快速发展,深度学习模型越来越多得应用于恶意代码检测。由于深度学习模型具有更好的泛化性能,使其可以处理新的、未知的恶意代码,能够更好地应对日益增长的恶意代码威胁。然而,深度学习模型容易收到对抗样本的欺骗...
关键词：恶意代码检测 深度学习 对抗样本 显著性分析 
基于深度学习的恶意代码检测技术研究
《网络安全技术与应用》2024年第10期39-43,共5页蒲经纬 张辉 唐斌 
2022年公安部科技计划项目“数字图像盲取证技术研究”(2022JSYJC24)。
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...
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 
基于投票机制的联邦学习恶意代码检测:以电网为例
《武汉理工大学学报（信息与管理工程版）》2024年第4期644-650,657,共8页王琼赟 王萌 张亚昊 史睿 郭琪 吴京航 
国家电网有限公司总部科技项目(5700-202358388A-2-3-XG);未来区块链与隐私计算高精尖中心项目(5026023401).
为了保护电网企业二级单位的用户隐私,增加分布式终端的病毒检测能力,将联邦学习框架应用于恶意代码检测任务中。在该框架中,通过使用局部模型来计算全局模型参数。提出了基于投票机制的联邦学习恶意代码检测方法。在设备的通信过程中,...
关键词：联邦学习 恶意代码 神经网络 投票集成 代码可视化 
全选清除导出
共18页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部