.png){kind=icon}
返回
Efficient malware detection using NLP and deep learning model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.aej.2025.03.118.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
恶意软件已成为当代社会的一大挑战，其发展与技术进步相辅相成。因此，恶意软件的分类已成为各种服务领域的紧迫问题。传统的恶意软件检测技术，如签名匹配，受限于恶意软件的动态演化，这限制了其适应性和有效性。为解决这些问题，本研究采用自然语言处理（NLP）和深度学习方法对恶意软件实体进行恶意或良性的分类。该模型通过将代码片段转换为图像像素、应用卷积操作并利用先进的深度学习方法论来融入图像处理。经过处理后，模型通过sigmoid函数生成一个归一化值，然后将其四舍五入以实现二元分类。结果使用包括精确度和准确度在内的多种指标进行验证，以评估模型的有效性并确保分类过程中的最佳性能。所提出的模型在恶意软件的内核API调用数据集上进行了性能评估。研究表明，利用函数调用的NLP和深度学习技术进行恶意软件分类，可提高检测恶意软件的准确性和适应性，从而克服传统基于签名方法的局限性。该模型取得了令人鼓舞的结果，为有效的恶意软件分类提供了可行的解决方案。本文旨在实验研究恶意代码中常被忽视的不同变量，这些变量在分析恶意软件时往往被忽略。
Keyword:
Malware
Artificial Intelligence
Natural Language Processing
Deep Learning
Classification
期刊
IF:
6.8
论文数:
6.3K
被引数:
2.6W
机构
引用论文
Development policies on rural peripheral areas in Visegrad countries: a comparative policy analysis
OAAI
OAAI分享收藏Hybrid feature extraction and integrated deep learning for cloud-based malware detection混合特征提取和集成深度学习的云端恶意软件检测.png)
COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏Efficient malware detection based on machine learning for enhanced cloud privacy protection基于机器学习的有效恶意软件检测，以增强云隐私保护EVOLVING SYSTEMS
EVOLVING SYSTEMSIF2.7
PREAI
分享收藏A Malware Detection Approach Using Autoencoder in Deep Learning一种基于深度学习自动编码器的恶意软件检测方法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏An Efficient Malware Detection Approach Based on Machine Learning Feature Influence Techniques for Resource-Constrained DevicesIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Analyzing and comparing the effectiveness of malware detection: A study of machine learning approachesHELIYON
OAAI
HELIYONIF3.6
OAAI分享收藏
查看更多内容