APP下载

基于生成对抗网络增强恶意代码的方法

2021-11-20朱晓慧钱丽萍

计算机工程与设计 2021年11期
关键词:分类方法模型

朱晓慧,钱丽萍,傅 伟

(1.北京建筑大学 电气与信息工程学院,北京 100044;2.北京建筑大学 建筑大数据智能处理方法研究北京市重点实验室,北京 100044)

0 引 言

互联网给信息交换与共享带来极大便利的同时,也为恶意代码的广泛传播提供了有利环境[1]。因此探究有效防护的分类检测方法成为近年来许多专家学者的关注热点,且迄今为止,已从多方面提出很多不同类型的分类检测方法。其中较为新颖和重要的一类是以恶意代码可视化图像为研究对象提取特征,并结合机器学习或深度学习算法的分类检测方法,文献[2-6]均在该方向上有所研究。这些研究既很好解决了传统分类检测方法难以应对反追踪和代码混淆策略的不足,又表明采用图像处理方法具备有效性和可行性,为恶意代码处理提供新视角。但随着研究的深入,学术界公开可用的恶意代码数据量不足且类别不均衡的问题越来越明显,成为限制性能提升的关键问题之一,故亟需加强对恶意代码数据增强技术的探究。

已有传统恶意代码增强技术,如代码复用或自动化技术均能够实现恶意代码数据生成,一定程度上实现数据集扩增,但因其存在耗时费力、缺乏多样性以及实现难度较大等不足,已不能很好满足如今对增强方法可操作性以及高性能的要求,所以结合新兴技术探究高效可行的恶意代码数据增强方法显得更加重要。

因此,本文借鉴分类检测中结合图像的处理方式,提出一种基于恶意代码图像并结合生成对抗网络的恶意代码数据增强方法,缓解现存数据集规模小、类别不均衡问题,辅助提高分类器性能。……

登录APP查看全文

猜你喜欢

分类方法模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
教你一招:数的分类
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼