Enhancing Ransomware Detection Using Deep Learning Models

doi:10.1007/978-981-96-8892-0_34

Enhancing Ransomware Detection Using Deep Learning Models

2026-01-01

0

PRE

AI

DOI：10.1007/978-981-96-8892-0_34

原文链接

原文求助

摘要

En 中文

勒索软件持续构成关键网络安全挑战，造成重大经济损失并威胁各领域敏感数据。传统检测方法常难以应对勒索软件攻击的复杂性和演化特性。本研究深入探讨先进深度学习算法（包括循环神经网络（RNN）、卷积神经网络（CNN）和区域卷积神经网络（R-CNN））在提升勒索软件检测能力中的应用。通过分析网络流量数据和系统日志，研究发现这些模型具有独特优势：RNN有效捕捉数据中的序列和时序依赖性，CNN擅长提取空间模式，R-CNN则协同整合这些能力以实现全面分析。对比评估表明，深度学习模型（尤其是R-CNN）不仅实现更高检测精度，且在适应性和效率上优于传统方法。这些发现凸显了深度学习在构建强大、自适应防御体系以应对不断演变的勒索软件威胁方面的变革潜力，为未来网络安全解决方案提供了有前景的发展方向。

Keyword:

Ransomware Detection

Deep Learning

RNN

CNN

R-CNN

Malware Detection

Enhancing Ransomware Detection Using Deep Learning Models

摘要

期刊

机构

引用论文