| 基于Ghost DenseNet SE的恶意代码检测方法 |
| |
| 引用本文： | 李怡,李进.基于Ghost DenseNet SE的恶意代码检测方法[J].空军工程大学学报,2021,22(5):49-55. |
| |
| 作者姓名： | 李怡 李进 |
| |
| 作者单位： | 空军工程大学防空反导学院,西安,710051 |
| |
| 基金项目： | malicious code; lightweight convolutional; densely connected network; channel domain attention mechanism |
| |
| 摘 要： | 针对现有恶意代码检测模型对恶意代码及其变种识别率不高,且参数量过大这一问题,将轻量化卷积Ghost、密集连接网络DenseNet与通道域注意力机制SE相结合,提出一种基于Ghost-DenseNet-SE的恶意代码家族检测模型.该模型为压缩模型体积、提升识别速率,将DenseNet中的标准卷积层替换为轻量化Ghost模块;并引入通道域注意力机制,赋予特征通道不同权重,用以提取恶意代码的关键特征,提高模型检测精度.在M alim g数据集上的实验结果表明,该模型对恶意代码家族的识别准确率可以达到99.14％,与AlexNet、VGGNet等模型相比分别提高了1.34％ 和2.98％,且模型参数量更低.该算法在提升分类准确率的同时,降低了模型复杂度,在恶意代码检测中具有重要的工程价值和实践意义.
|
| 关 键 词： | 恶意代码 轻量化卷积 密集连接网络 通道域注意力机制 |
A Malicious Code Detection Method Based on Ghost-DenseNet-SE |
| |
| LI Yi,LI Jin.A Malicious Code Detection Method Based on Ghost-DenseNet-SE[J].Journal of Air Force Engineering University(Natural Science Edition),2021,22(5):49-55. |
| |
| Authors: | LI Yi LI Jin |
| |
| Abstract: | |
| |
| Keywords: | malicious code lightweight convolutional densely connected network channel domain attention mechanism |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《空军工程大学学报》浏览原始摘要信息 |
| 点击此处可从《空军工程大学学报》下载免费的PDF全文 |
|
