文件名称：malware-classification:构建智能反恶意软件系统
文件大小：99.65MB
文件格式：ZIP
更新时间：2024-06-19 08:39:20
machine-learning computer-vision deep-learning tensorflow recurrent-neural-networks
构建智能反恶意软件系统：使用支持向量机进行恶意软件分类的深度学习方法 全文可在阅读。 抽象的 有效和高效地缓解恶意软件是信息安全社区的一项长期努力。 开发可以抵制以前未知的恶意软件的反恶意软件系统是一项可能使多个行业受益的多产活动。 我们设想了一个利用深度学习 (DL) 模型强大功能的智能反恶意软件系统。 使用此类模型可以通过数学概括来检测新发布的恶意软件。 也就是说，找到给定恶意软件x与其对应的恶意软件家族y 、 f : x → y 之间的关系。 为了实现这一壮举，我们使用了 Malimg 数据集 [ ]，其中包含从恶意软件二进制文件中处理的恶意软件图像，然后我们训练以下 DL 模型 1 来对每个恶意软件系列进行分类：CNN-SVM[ ]、GRU-SVM [ ]和MLP-SVM。 经验证据表明，GRU-SVM在DL模型中脱颖而出，其预测准确度约为84.92％。 这是有道理的，因为
【文件预览】：
malware-classification-master
----models()
--------gru_svm.py(15KB)
--------cnn_svm.py(12KB)
--------mlp_svm.py(13KB)
----figures()
--------training-accuracy.png(100KB)
----main.py(6KB)
----results_summary.py(2KB)
----classifier.py(7KB)
----LICENSE(35KB)
----dataset()
--------malimg_dataset_64x64.npy(36.49MB)
--------malimg_dataset_32x32.npy(9.13MB)
--------malimg.npz(13.85MB)
----CONTRIBUTING.md(2KB)
----trained-cnn-svm()
--------checkpoint(81B)
--------CNN-SVM-2400.meta(104KB)
--------CNN-SVM-2400.data-00000-of-00001(55.06MB)
--------CNN-SVM-2400.index(914B)
----requirements.txt(77B)
----trained-gru-svm()
--------checkpoint(81B)
--------GRU-SVM-2400.data-00000-of-00001(20.65MB)
--------GRU-SVM-2400.meta(926KB)
--------GRU-SVM-2400.index(3KB)
----.gitignore(2KB)
----trained-mlp-svm()
--------MLP-SVM-2400.data-00000-of-00001(7.92MB)
--------checkpoint(81B)
--------MLP-SVM-2400.index(945B)
--------MLP-SVM-2400.meta(97KB)
----README.md(8KB)
----utils()
--------svm.py(1KB)
--------__init__.py(0B)
--------data.py(6KB)
----setup.sh(505B)