基于深度残差网络和混合注意力机制的恶意代码分类方法

摘要

本发明公开了一种基于深度残差网络和混合注意力机制的恶意代码分类方法；本发明将恶意代码可视化为RGBA图像且不额外计算代码的信息熵，弥补恶意代码图像信息来源单一、图像特征不明显和计算量过大的缺陷；同时，将深度残差网络与注意力机制结合起来以构建恶意代码分类模型，深度残差网络在提高分类精度的同时利用短路连接缓解了梯度消失问题，加速了模型收敛，提升了模型的判别能力；并在每一个残差单元后采用混合注意力机制，从通道和空间两个维度提取更关键的深层特征，进一步提高恶意代码分类准确率。