声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1525/N
国际刊号：2097-1915
发布日期:
作者：宋亚飞，张丹丹，王坚，王亚男，郭新鹏
单位：空军工程大学防空反导学院，西安，710051\
关键词：恶意代码;恶意代码分类;恶意代码检测;深度学习;网络空间安全
基金：国家自然科学基金(61806219,61703426,61876189)；陕西省科学基金(2021JM-226)
恶意代码检测是网络空间安全领域的重要研究方向之一。在简要阐述恶意代码检测重大研究价值的基础上，结合国内外研究现状，总结了现有的基于深度学习的恶意代码检测技术及方法。首先，分别从静态、动态和混合检测方法多方面地梳理了传统检测技术,其次，分别从基于序列特征、图像可视化和数据增强的恶意代码特征提取方法出发，对基于深度学习的恶意代码分类识别方法进行了总结,最后，对基于深度学习的恶意代码特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。
来源：2024年第4期
《空军工程大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。