【摘 要】
:
互联网高速发展的同时伴随着大量的网络安全问题,恶意软件便是网络空间中存在的巨大威胁之一。日益增长的恶意软件及其变体使得准确和高效地检测恶意软件变得十分困难,现有的方法已经难以完成越来越复杂的恶意软件检测和分类任务。一方面,传统的基于机器学习的方法在进行特征融合时,没有考虑特征之间的关联性,导致表征能力不足,检测精度较低,并且容易受到概念漂移的影响。另一方面,现有的基于图像的恶意软件分类方法,在可视
论文部分内容阅读
互联网高速发展的同时伴随着大量的网络安全问题,恶意软件便是网络空间中存在的巨大威胁之一。日益增长的恶意软件及其变体使得准确和高效地检测恶意软件变得十分困难,现有的方法已经难以完成越来越复杂的恶意软件检测和分类任务。一方面,传统的基于机器学习的方法在进行特征融合时,没有考虑特征之间的关联性,导致表征能力不足,检测精度较低,并且容易受到概念漂移的影响。另一方面,现有的基于图像的恶意软件分类方法,在可视化恶意软件时,没有考虑图像尺寸的影响,并且依赖数据增强和预训练参数,使得模型变得过于庞大和复杂,影响分类效率。因此,需要研究更稳定更高效的技术应用到恶意软件检测和分类任务中。深度学习作为机器学习的一个新分支,在进行多层次的学习后可以获得更好的知识表示。随着人工智能的发展,深度学习不仅在语音合成、图像分类、自然语言处理表现出优越的性能,同时也为网络安全领域开辟了新的研究方向。恶意软件的检测和分类本质上都是分类问题,而深度学习能够出色地完成各种分类任务。因此,本文基于深度学习技术,针对现有的恶意软件检测和分类方法中存在的一些问题,提出了不同的解决方法。本文的主要研究内容如下:(1)针对传统的基于机器学习的检测方法存在检测精度低和容易受到概念漂移影响的问题,本文提出了一种基于特征图的恶意软件检测方法(Malware Feature Graph,MFGraph)。首先提取二进制PE文件的静态特征,然后使用图结构对静态特征进行建模,再利用深度图卷积网络进行表示学习以获得特征图的表征向量,最后将表征向量送入分类器输出检测结果。在EMBER数据集上进行了实验,MFGraph的AUC分数为0.98756,准确率为0.95026,F1分数为0.95020。MFGraph不仅在检测精度上优于其它机器学习方法,而且受到概念漂移的影响最小,性能更稳定。(2)针对现有的基于图像的恶意软件分类方法分类效率较低的问题,本文提出了一个轻量化模型(Image-Based Malware Classification via a Lightweight Network,IMCLNet)用于恶意软件分类任务。该模型以可视化的恶意软件图像为驱动,不需要特征工程和领域知识。为了达到高效的分类效果,在设计模型时综合权衡了准确率、计算成本和参数量,并融合了坐标注意力机制、深度可分离卷积和全局上下文嵌入技术。在两个大型数据集Mal Img和BIG2015上进行的实验表明,IMCLNet的分类准确率分别达到99.785%和98.942%,预测一张尺寸为32?×32的恶意软件图像分别只需要0.95ms和0.84ms。此外,本文还将IMCLNet与Mobile Net V3、Shuffle Net V2和Mix Net等主流的轻量化模型进行了对比,实验结果表明,IMCLNet在训练时间、准确率、参数量、模型大小和预测时间等方面都具有显著的优势。
其他文献
天然气水合物在全球范围内的储量十分巨大,从海底沉积物或永久冻土区开采天然气水合物有望解决如今我国油气短缺的困境。此外对天然气水合物的研究还具有重要的环境意义。然而,目前水合物的开采依然面临成本高,难度大,规模小等问题,难以达到商业化水平,仍需对其做进一步的研究。天然气水合物开采后分解为水和甲烷,部分甲烷分子过饱和后形成纳米气泡,甲烷纳米气泡在特定条件下可以稳定存在,其内部甲烷分子可为水合物的二次成
为了建立崭新的氢能体系,逐步取代传统的化石能源,电解水析氢被认为是最具有前景,环保和高效的产氢方式。其中,析氢(HER)催化剂作为最重要的一部分,其高额的成本阻碍了电解水析氢的大规模工业应用,因此研究高效、耐用、经济的析氢催化剂是未来氢能社会的前提。与常用的铂(Pt)基催化剂相比,钌(Ru)具有与Pt相似的氢键能、低的水分解能垒和较低的价格,展示出替代Pt基催化剂的巨大潜力。然而现阶段Ru基催化剂
随着人类社会的发展以及生活模式的改变,糖尿病患病率在全球范围内逐年升高,而血糖浓度的监测是糖尿病治疗的必要手段。光电化学(PEC)生物传感器作为一种操作简单、响应速度快以及背景信号低的生物分析技术,已在各种生物检测领域中得到广泛应用。值得注意的是,TiO2因其良好的生物相容性、化学稳定性以及易于表面修饰等优点,被认为是发展光电化学生物传感器的优良材料。然而,TiO2的宽带隙(锐钛矿,3.2 e V
Li2O-Al2O3-SiO2(LAS)微晶玻璃因其同时具有玻璃和晶体的许多优点,以及特殊的性能而得到广泛应用。主要应用在高端餐具和炊具、高强风挡玻璃、天文望远镜镜片和精密光学等领域。LAS微晶玻璃具有零、低热膨胀系数和高透过率。本文采用熔融法+一步热-电耦合处理整体析晶制备了透明低膨胀LAS微晶玻璃,以热场-电场耦合作用所得到的LAS微晶玻璃为研究对象,利用差示扫描量热分析(Differenti
天然橡胶(NR)是一种被广泛使用的弹性体材料,其具有优异性能的原因一直未被研究清楚,以往研究将NR具有优异力学性能的原因主要归因于其分子链结构:(1)NR链的高顺式聚异戊二烯结构;(2)NR分子链的末端端基与结合非胶组分(NRC)形成的天然网络结构。然而,合成聚异戊二烯橡胶的分子链结构与NR相似,但其性能仍不能与NR相媲美,这说明分子链结构并不是NR具有优异力学性能的唯一原因。在以往探索NR结构-
目前,氢气的生产主要来自甲烷的蒸汽重整,这种方式仍然依赖有限的化石能源,并且显著增加了CO2的排放量。电催化分解水是一种低成本、大规模制氢的方法,也被认为是未来商业绿色制氢的潜在方法。Pt基催化剂因具有最理想的氢吸附势能而受到人们的广泛关注,但它在碱性电解液中缓慢的析氢动力学,快速的衰变和稀缺性限制了其大规模商业应用,也使得氢能源发展受阻。因此,如何提高Pt基催化剂在碱性电解液中的析氢动力学,稳定
锂离子电池(LIB)由于其能量密度高、循环寿命长以及无记忆效应,近年来已成为便携式可穿戴电子设备、交通工具和智能电网的理想电源。然而,商用液态电解质的锂离子电池存在严重的安全问题,如挥发、漏液、易燃和爆炸等。目前,已经探索了许多策略来制造具有更高安全性的电池,包括使用固态电解质代替液体电解质。不幸的是,固态电解质中低的离子电导率和差的界面相容性,限制了它们进一步的实际应用。凝胶聚合物电解质是通过溶
天然橡胶(NR)由于自身独特的特性如拉伸结晶、弹性好、强度高等,在民用领域、航空航天领域等有大量应用,但由于其在使用过程中需长期暴露在空气、水、光照、臭氧及外力因素下等外界环境等,导致橡胶制品在使用过程中性能劣化,大幅缩减使用寿命。众多老化类型中热氧老化占比最大,因此选择适合预防热氧老化的方法尤为重要,在NR内填入防老剂是提升耐老化性最普遍的方式。因此,对防老剂的防护机理和改善防护效果的众多因素进
近年来,深度学习技术发展迅速,在图像分类、物体检测、语音识别、自动驾驶等领域成果丰硕。究其原因,在于它通过建立神经网络模型,实现分析学习活动的拟人脑化。随着深度学习技术研究与应用的不断深入,网络系统安全性隐患日益凸显。因其自身脆弱性,深度神经网络易遭受恶意攻击,导致网络系统和用户的数据隐私安全受到威胁。因此,攻击和防御研究已成为深度学习研究的重点。其中,对抗样本是一类由攻击者为了欺骗深度学习模型而
水下传感器网络在海洋应用中扮演着日益关键的角色,如应用于深海监控,海洋污染监测,以及深海资源管理等方面。但水下环境复杂多变,在陆地上相对成熟的无线传感器网络技术并不能直接应用于水下网络,因此水下传感器网络面临诸多挑战。路由性能的优化对于水声传感器网络能效的提升有着直接的影响,是水声传感器网络研究的关键课题之一。针对水下传感器网络数据传输效率低、网络生存周期短的问题,本文首先提出了两种适用于浅水区域