恶意软件分类是信息安全中一个重要且具有挑战性的问题。现代恶意软件分类技术依赖于机器学习模型，这些模型可以在诸如操作码序列，API调用和字节$ n $ -grams等功能上进行训练。在这项研究中，我们考虑了操作码功能。我们实现了混合机器学习技术，其中我们通过训练隐马尔可夫模型（我们称为HMM2Vec的技术）和这些操作码序列上的Word2Vec嵌入来设计特征向量。然后将所得的HMM2Vec和Word2Vec嵌入向量用作分类算法的特征。具体来说，我们考虑支持向量机（SVM），$ k $最近邻（$ k $ -NN），随机森林（RF）和卷积神经网络（CNN）分类器。我们对各种恶意软件家族进行了大量实验。我们的实验远远超出了该领域以前的任何工作。



"点击查看英文标题和摘要"