空军工程大学学报

作者：黄玮，王坚*，吴暄，李思聪

单位：空军工程大学防空反导学院，西安，710051\

关键词：恶意代码分类;特征融合;双向时域卷积网络;自注意力机制

基金：国家自然科学基金（61806219, 61703426， 61876189）;陕西省自然科学基金（2021JM-226）;陕西省高校科协青年人才托举计划（20190108, 20220106）;陕西省创新能力支撑计划（2020KJXX-065）

当前恶意代码的对抗技术不断变化，恶意代码变种层出不穷，使恶意代码分类问题面临严峻挑战。针对目前基于深度学习的恶意代码分类方法提取特征不足和准确率低的问题，提出了基于双向时域卷积网络(BiTCN)和自注意力机制(Self-Attention)的恶意代码分类方法(BiTCNSA)。该方法融合恶意代码操作码特征和图像特征以展现不同的特征细节，增加特征多样性。构建BiTCN对融合特征进行处理，充分利用特征的前后依赖关系。引入自注意力机制对数据权值进行动态调整，进一步挖掘恶意代码内部数据间的关联性。在Kaggle数据集上对模型进行验证，实验结果表明:该方法准确率可达99.75%，具有较快的收敛速度和较低的误差。

来源：2023年第4期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2023年第4期