.png){kind=icon}
返回
Performance Analysis of Visualization-Based Malware Classification Using CNN
.png){kind=icon}
PRE
AI
DOI：10.1080/03772063.2025.2561713.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着网络世界的迅速扩张，网络攻击和恶意软件威胁（如病毒、蠕虫、木马和勒索软件）事件显著增加。传统的基于签名的入侵检测系统难以检测新型和未知恶意软件变种。基于异常的网络入侵检测系统在面对涉及碎片化和加密恶意数据包的对抗性攻击时常常失效。本研究采用基于深度学习的一维卷积神经网络（1D-CNN）结合可视化技术，用于检测和分类新型恶意软件的对抗性变种。该研究评估了1D-CNN、迁移学习、生成对抗网络（GANs）和集成学习技术在Malimg数据集和IEEEDataPort二分类数据集上的有效性。深度学习模型基于分类准确率、训练时间和计算成本进行评估。模型包括自定义和经典的1D-CNN架构、基于改进EfficientNet的迁移学习模型、条件生成对抗网络以及堆叠集成技术，实现了高达99.25%的分类准确率。与当前先进研究的性能比较表明，所提出的方法在效率、准确率和计算成本方面优于许多现有技术。
Keyword:
CNN
GAN
Information security
Malware classification
transfer learning
期刊
IF:
1.3
论文数:
261
被引数:
3.3K
机构
引用论文
A Lightweight Generative Adversarial Network for Imbalanced Malware Image Classification.png)
Proceedings of the 5th International Conference on Information Management & Machine Intelligence
OAAI
Proceedings of the 5th International Conference on Information Management & Machine IntelligenceIF0
OAAI分享收藏Malware-on-the-Brain: Illuminating Malware Byte Codes With Images for Malware ClassificationMalware-on-the-Brain: 用图像照亮恶意软件字节码进行恶意软件分类OAAI
OAAI分享收藏Enhanced Image-Based Malware Classification Using Snake Optimization Algorithm With Deep Convolutional Neural Network基于Snake优化算法的深度卷积神经网络增强图像恶意软件分类IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
A New Malware Classification Framework Based on Deep Learning Algorithms一种新的基于深度学习算法的恶意软件分类框架IEEE ACCESS
IEEE ACCESSIF3.6
PREAI
分享收藏
查看更多内容