.png){kind=icon}
返回
Malicious code detection based on CNNs and multi-objective algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jpdc.2019.03.010.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
越来越多的恶意代码通过威胁用户隐私而在internet上造成伤害，这是网络安全漏洞的主要来源之一。恶意代码的检测变得越来越重要，并且当前的检测方法需要很多改进。本文提出了一种使用卷积神经网络 (cnn) 和智能算法来推进恶意代码检测的方法。Cnn用于识别和分类从恶意代码的可执行文件转换的灰度图像。然后采用非支配排序遗传算法II (nsga-ii) 来处理恶意软件家族的数据不平衡。针对来自Vision Research Lab的恶意软件图像数据设计了一系列实验。实验结果表明，该方法是有效的，保持了较高的精度和较少的损失。（C）2019爱思唯尔公司版权所有。
Keyword:
Malicious code
Deep learning
CNN
Imbalance data
NSGA-II
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4
论文数:
3.8K
被引数:
4.8K
机构
引用论文
.png){kind=icon}
A novel oriented cuckoo search algorithm to improve DV-Hop performance for cyber-physical systems
PREAI
分享收藏
查看更多内容