基于BiTCN-SA的恶意代码分类方法
黄玮
王坚
吴暄
李思聪
空军工程大学防空反导学院,西安,710051
摘要：当前恶意代码的对抗技术不断变化,恶意代码变种层出不穷,使恶意代码分类问题面临严峻挑战.针对目前基于深度学习的恶意代码分类方法提取特征不足和准确率低的问题,提出了基于双向时域卷积网络(BiTCN)和自注意力机制(Self-Attention)的恶意代码分类方法(BiTCN-SA).该方法融合恶意代码操作码特征和图像特征以展现不同的特征细节,增加特征多样性.构建BiTCN 对融合特征进行处理,充分利用特征的前后依赖关系.引入自注意力机制对数据权值进行动态调整,进一步挖掘恶意代码内部数据间的关联性.在Kaggle数据集上对模型进行验证,实验结果表明:该方法准确率可达 99.75%,具有较快的收敛速度和较低的误差.
关键词：恶意代码分类特征融合双向时域卷积网络自注意力机制
分类号：TP393.08(计算技术、计算机技术)
资助基金：国家自然科学基金(61806219)国家自然科学基金(61703426)国家自然科学基金(61876189)陕西省自然科学基金(2021JM-226)陕西省高校科协青年人才托举计划项目(20190108)陕西省高校科协青年人才托举计划项目(20220106)陕西省创新能力支撑计划项目(2020KJXX-065)
论文发表日期：2023-08-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 77-84 )
英文信息