基于签名和异常的技术是恶意软件检测的典型方法。但是，随着恶意软件变得越来越复杂和复杂，这些技术变得越来越无效。因此，研究人员已转向深度学习来构建性能更好的模型。在本文中，我们创建了四个不同的基于长期短期记忆（LSTM）的模型，并对每个模型进行了训练以对20个家族的恶意软件样本进行分类。我们的功能包括从恶意软件可执行文件中提取的操作码。我们采用自然语言处理（NLP）中使用的技术，包括单词嵌入和双向LSTM（biLSTM），还使用卷积神经网络（CNN）。我们发现，由词嵌入，biLSTM和CNN层组成的模型在我们的恶意软件分类实验中表现最佳。



"点击查看英文标题和摘要"