利用隐语义生成对抗网络的恶意软件检测
来源期刊:控制工程2020年第4期
论文作者:王玉洁 赵丽
文章页码:746 - 750
关键词:恶意软件检测;隐语义生成对抗网络;变分自动编码器;深度学习;支持向量机;
摘 要:随着恶意软件数量的增多,传统人工分析方法已无法胜任。针对这一问题,本文提出一种支持向量机分类器与隐语义生成对抗网络(LatentFactorGenerativeAdversarial Networks, LF-GAN)相结合的恶意软件检测新方法,其通过提取具有i个服从特定高斯分布的特征量用以自动区分恶意软件和正常软件。具体方法为利用变分自动编码器(Variational Autoencoder,VAE)将数据投影至隐空间以便于特征提取,并作为训练集传递至所设计的LF-GAN,以进一步优化网络中关键特征参数。算例结果表明,本文所提LF-GAN对恶意软件检测精度达到96.97%,且高于其他传统检测方法,即本文所提方法具备良好的对恶意软件的检测和识别能力。
王玉洁1,赵丽2
1. 新疆交通职业技术学院运输管理学院2. 山西大学软件学院
摘 要:随着恶意软件数量的增多,传统人工分析方法已无法胜任。针对这一问题,本文提出一种支持向量机分类器与隐语义生成对抗网络(LatentFactorGenerativeAdversarial Networks, LF-GAN)相结合的恶意软件检测新方法,其通过提取具有i个服从特定高斯分布的特征量用以自动区分恶意软件和正常软件。具体方法为利用变分自动编码器(Variational Autoencoder,VAE)将数据投影至隐空间以便于特征提取,并作为训练集传递至所设计的LF-GAN,以进一步优化网络中关键特征参数。算例结果表明,本文所提LF-GAN对恶意软件检测精度达到96.97%,且高于其他传统检测方法,即本文所提方法具备良好的对恶意软件的检测和识别能力。
关键词:恶意软件检测;隐语义生成对抗网络;变分自动编码器;深度学习;支持向量机;