一种基于深度森林的恶意代码分类方法
作者:
作者单位:

作者简介:

卢喜东(1991-),男,陕西靖边人,硕士,主要研究领域为恶意代码分析,机器学习;段哲民(1953-),男,博士,教授,博士生导师,主要研究领域为数据采集,信号处理;钱叶魁(1980-),男,博士,副教授,主要研究领域为网络信息安全;周巍(1979-),男,博士,副教授,CCF专业会员,主要研究领域为视频压缩及其VLSI设计.

通讯作者:

钱叶魁,E-mail:qyk1129@163.com

中图分类号:

TP311

基金项目:

西北工业大学研究生创意创新种子基金(ZZ2018020);国家重点基础研究发展计划(973)(2013CB329104);通信网信息传输与分发技术国家重点实验室基金


Malicious Code Classification Method Based on Deep Forest
Author:
Affiliation:

Fund Project:

Seed Foundation of Innovation and Creation for Graduate Students in Northwestern Polytechnical University (ZZ2018020); National Program on Key Basic Research Project of China (973) (2013CB329104); Fund of State Key Laboratory of Science and Technology on Information Transmission and Dissemination in Communication Networks

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对当前恶意代码静态分析方法精度不足的问题,将恶意代码映射为无压缩的灰度图像,然后根据图像变换方法将图像变换为恒定大小的图像,使用方向梯度直方图提取图像的特征,最后提出一种基于深度森林的恶意代码分类方法.实验中选择不同家族的多个恶意代码样本进行分类,验证了该方法的有效性,并且实验结果优于近期提出的SPAM-GIST方法.

    Abstract:

    Aiming at the problem of insufficient accuracy of current static classification method of malicious code, this study maps the malicious code into uncompressed gray-scale image. Then the image is transformed into a constant-size image according to the image transformation method, and the direction gradient histogram is used to extract the features of the image. Finally, a kind of malicious code classification method based on deep forest is proposed. Experiments on malicious code samples from different families verify the effectiveness of the proposed method and the results are superior to the recently proposed SPAM-GIST method.

    参考文献
    相似文献
    引证文献
引用本文

卢喜东,段哲民,钱叶魁,周巍.一种基于深度森林的恶意代码分类方法.软件学报,2020,31(5):1454-1464

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-12-01
  • 最后修改日期:2018-06-01
  • 录用日期:
  • 在线发布日期: 2020-05-18
  • 出版日期: 2020-05-06
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号