当前位置: X-MOL 学术arXiv.cs.CR › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
使用长短期记忆模型的恶意软件分类
arXiv - CS - Cryptography and Security Pub Date : 2021-03-03 , DOI: arxiv-2103.02746
Dennis Dang, Fabio Di Troia, Mark Stamp

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"

更新日期:2021-03-05
down
wechat
bug