没有合适的资源?快使用搜索试试~ 我知道了~
首页基于EfficientNet的三通道恶意软件图像分类与微调策略
基于EfficientNet的三通道恶意软件图像分类与微调策略
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 67 浏览量
更新于2024-06-27
收藏 1.88MB DOCX 举报
本文主要探讨了一种创新的恶意软件分类方法,针对传统图像分类技术在恶意软件识别领域的不足。传统方法往往依赖单一的二进制特征,导致准确率低、抗混淆能力弱和模型收敛速度慢。为了改进这些问题,研究者提出了一个基于三通道图像的恶意软件分类策略。 首先,文章将恶意软件、字节Bigram和Lst文件转换成三种灰度图像,这些灰度图像分别代表不同层次的信息,有助于提取更丰富的特征。然后,这三种灰度图像被组合成一个三通道彩色图像,这样不仅增加了图像的表达力,也使得模型能更好地捕捉和理解恶意软件的复杂结构。 作者选择了EfficientNet模型来进行恶意软件图像分类,因为EfficientNet在图像识别任务中表现出色,具有良好的性能和较低的计算复杂度。他们进一步引入迁移学习中的微调技术,将ImageNet数据集的预训练权重应用到EfficientNet模型上。这样做的好处是加快了模型的收敛速度,提升了分类准确率,同时减少了模型训练所需的计算资源。 实验结果表明,经过微调的EfficientNet模型在20种恶意软件的分类任务中达到了97.22%的高准确率,显著优于ResNet和VGG16等经典网络。此外,与这些传统网络相比,本文提出的模型具有更少的参数量和浮点运算次数,这意味着在实际应用中,它不仅精度高,而且更加轻量化,有利于在资源有限的环境中部署。 这种方法突破了传统恶意软件检测的局限,利用多通道图像和迁移学习技术,有效地提高了恶意软件的识别能力和效率,对于保障网络安全具有重要的实践价值。未来的研究可以进一步探索如何将这一方法扩展到更大的恶意软件样本库,以及与其他防御机制相结合,形成更加完善的恶意软件防护体系。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/87490079/bg4.jpg)
图 2 Lst 文件内容
Fig.2 Content of Lst file
下载: 原图 | 高精图 | 低精图
再 将 恶 意 软 件 、 字 节 Bigram 、 Lst 文 件 使 用 Bin2Pixel 算 法 转 化 成 灰 度 图 像 。
Bin2Pixel 算法是 Nataraj 等
[ 8 ]
在 2011 年提出来的一种将恶意软件图像化的算法。
该 算 法 能 够 根 据 恶 意 软 件 的 大 小 将 其 转 化 成 不 同 尺 寸 的 灰 度 图 像 , 其 伪 代 码 如
Algorithm1 所示,其过程是将目标文件以二进制形式打开,以 8 位二进制数为一个
无符号整数作为一个像素点,像素点值的范围是[0,255]。样本参考 width_Dict
的 key 设定图像初始宽度,图像高度根据样本大小自适应,将样本转化成灰度图。最
后,将 3 种类型的灰度图像统一缩放到 224×224 像素。
Algorithm1 Bin2Pixel(malware,malware_Size)
Bin_Stream=open(malware)
Byte_Stream = 2Byte_Stream(Bin_Stream)
width_Dict={10:32,30:64,60:128,100:256,200:384,500:512,1000:768}
width=1024
for key in width_Dict:
If key < malware_Size:
剩余16页未读,继续阅读
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
罗伯特之技术屋
- 粉丝: 4137
- 资源: 1万+
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-2.8b825a4e.png)
电子书特权
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![](https://csdnimg.cn/release/wenkucmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)