針對(duì)惡意軟件的高魯棒性檢測(cè)模型研究

摘要： 近年來(lái),惡意軟件對(duì)網(wǎng)絡(luò)空間安全的危害日益增大,為了應(yīng)對(duì)網(wǎng)絡(luò)環(huán)境中大規(guī)模的惡意軟件檢測(cè)任務(wù),研究者提出了基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的自動(dòng)化檢測(cè)方法。然而,這些方法需要在特征工程上耗費(fèi)較多的時(shí)間,導(dǎo)致檢測(cè)效率較低；同時(shí),惡意軟件對(duì)抗樣本的存在也影響著這些方法做出正確的判斷,對(duì)網(wǎng)絡(luò)安全造成了危害。為此,文章提出一種魯棒性較強(qiáng)的惡意軟件檢測(cè)方法 MDCAM。該方法首先基于代碼可視化技術(shù)分析... （共12頁(yè)）