陈小寒，魏书宁，2，覃正泽

1.湖南师范大学 信息科学与工程学院，长沙410006

2.国防科技大学 并行与分布处理国防科技重点实验室，长沙410006

恶意软件指任何有损用户利益的软件，从最简单的电脑蠕虫和木马程序，到最复杂的电脑病毒等都包括在内。恶意软件不仅会影响受感染的电脑或设备，还可能会影响与受感染设备通信的其他设备[1]。根据2020 年《国家互联网应急中心第16 期动态周报》报道，一周内中国境内感染网络病毒的主机数量约为54.8万台[2]。由此可见，恶意软件已经严重威胁到了网络安全，加强恶意软件检测技术刻不容缓。

目前，根据程序是否被执行，恶意软件检测技术大致分成两类：静态恶意软件分析和动态恶意软件分析。静态分析方法快速安全且功能强大，因为它可以在不执行代码的情况下进行分析，但也很容易受到混淆技术的影响，当恶意代码使用压缩或者加密的二进制文件时，它便不能很好识别。使用动态分析[3-4]能更好地检测未知的恶意软件，但是存在一定的危险性。并且由于分析过程大多数在虚拟环境中进行，会导致系统资源消耗过大。恶意软件的分析和检测一直是安全人员面临的挑战。

随着机器学习算法的出现，传统的机器学习算法如支持向量机、决策树、贝叶斯等都被用来作为恶意代码检测的模型[5-6]。同时，恶意代码可视化思想的提出，也为研究员们提供了新的视角。Nataraj 等人提出了一种将恶意软件二进制文件可视化为灰度图（提取Gist 特征）的恶意软件分类方法[7]。……