全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4娱乐结合动态行为和机器学习的恶意代码检测方法
作者:管理员    发布于:2021-03-24 23:11    文字:【】【】【

  目前恶意代码出现频繁且抗识别性加强,现有基于签名的恶意代码检测方法无法识别未知与隐藏的恶意代码。提出一种结合动态行为和机器学习的恶意代码检测方法。搭建自动化分析 Cuckoo沙箱记录恶意代码的行为信息和网络流量,结合 Cuckoo沙箱与改进 Dynamorio系统作为虚拟环境,提取并融合恶意代码样本API调用序列及网络行为特征。在此基础上,基于双向门循环单元(BGRU)建立恶意代码检测模型,并在含有12170个恶意代码样本和5983个良性应用程序样本的数据集上对模型效果进行验证。实验结果表明,该方法能全面获得恶意代码的行为信息,其所用BGRU模型的检测效果较LSTM、 BLSTM等模型更好,精确率和F1值分别达到97.84%和98.07%,训练速度为 BLSTM模型的1.26倍。

相关推荐
  • 赢咖4娱乐BloodCancerDis:基于机器学习的图像分析可可靠地识别血液恶性肿瘤
  • 赢咖4娱乐结合动态行为和机器学习的恶意代码检测方法
  • 赢咖4娱乐2021年机器学习将会让这五大行业改变
  • 赢咖4注册谷歌研究:以机器学习调整游戏平衡
  • 赢咖4注册CFA二级中机器学习是重点?
  • 赢咖4注册威斯康星大学麦迪逊分校信号处理与机器学习硕士专业
  • 赢咖4娱乐用于先进视频处理解决方案的现场可编程逻辑门阵列(FPGA)产品与技术
  • 赢咖4降低零件缺陷遗失率 富士康采用谷歌机器学习程序检测不良产品
  • 赢咖4娱乐IDC调研显示:百度EasyDL再获中国机器学习平台市场份额第一
  • 赢咖4双方共同开展高性能h265软编码方案的研究在视频直播、视频云、图片压缩相关业务场景的流程成本控制及硬件设备成本控制上取得了显著的效果。此
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下