计算机应用研究

作者：郑珏,欧毓毅,

单位：广东工业大学计算机学院,广州510006；

关键词：恶意代码,静态分析,深度学习,多特征融合,

基金：广州市科技计划资助项目(201902020007,202007010004)；；

为了减小加壳、混淆技术对恶意代码分类的影响并提高准确率，提出一种基于卷积神经网络和多特征融合的恶意代码分类方法，以恶意代码灰度图像和带有API函数调用与操作码的混合序列为特征，设计基于卷积神经网络的多特征融合分类器。该分类器由图像组件、序列组件和融合组件构成，经训练后用于检测恶意代码类别。实验结果表明，相比目前已有的HYDRA、Orthrus等方法，该方法的分类准确率和宏F1值更高，表明该方法能减小加壳、混淆技术影响，更准确地分类恶意代码。

来源：2022年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第1期