基于多尺度卷积神经网络的恶意软件检测方法

摘要

与传统的浅层学习相比,深度学习具有强大的模式表达能力,摆脱了对特征工程的依赖,能有效提高恶意软件检测率.提出了一种基于多尺度卷积神经网络的恶意软件检测方法,先将实验样本的二进制可执行文件转换为固定长度的十六进制字符序列,然后通过词嵌入将固定长度的十六进制字符序列转换为一个低维向量,并将转换生成的低维向量输入多尺度卷积神经网络中,训练基于多尺度卷积神经网络的检测模型.该方法通过不同窗口大小的卷积运算,学习到数据中不同尺度中更丰富完整的特征信息,所提出的方法在概念意义上是合理的,在结果方面也是比较理想的.该方法的准确率为98.18％,对数损失为0.1503,AUC值为0.997,各项性能指标优于大部分经典的检测方法,是一种性能良好、鲁棒有效的恶意软件检测方法.