針對惡意軟件的高魯棒性檢測模型研究

摘要： 近年來,惡意軟件對網(wǎng)絡空間安全的危害日益增大,為了應對網(wǎng)絡環(huán)境中大規(guī)模的惡意軟件檢測任務,研究者提出了基于機器學習、深度學習的自動化檢測方法。然而,這些方法需要在特征工程上耗費較多的時間,導致檢測效率較低；同時,惡意軟件對抗樣本的存在也影響著這些方法做出正確的判斷,對網(wǎng)絡安全造成了危害。為此,文章提出一種魯棒性較強的惡意軟件檢測方法 MDCAM。該方法首先基于代碼可視化技術(shù)分析... （共12頁）