自编码网络在JavaScript恶意代码检测中的应用研究

TP391; 针对传统机器学习特征提取方法很难发掘JavaScript恶意代码深层次本质特征的问题,提出基于堆栈式稀疏降噪自编码网络(sSDAN)的JavaScript恶意代码检测方法.首先将JavaScript恶意代码进行数值化处理,然后在自编码网络的基础上加入稀疏性限制,同时加入一定概率分布的噪声进行染噪的学习训练,使得自动编码器模型能够获取数据不同层次的特征表达;再经过无监督逐层贪婪的预训练和有监督的微调过程可以得到有效去噪后的更深层次特征;最后利用Soft max函数对特征进行分类.实验结果表明,稀疏降噪自编码分类算法对JavaScript具有较好的分类能力,其准确率高于传统机器学习模...

Celý popis

Podrobná bibliografie

Vydáno v:	计算机科学与探索 Ročník 13; číslo 12; s. 2073 - 2084
Hlavní autoři:	龙廷艳, 万良, 丁红卫
Médium:	Journal Article
Jazyk:	čínština
Vydáno:	贵州大学 计算机软件与理论研究所,贵阳 550025 01.12.2019 贵州大学 计算机科学与技术学院,贵阳 550025
Témata:	堆栈式稀疏降噪自编码网络(sSDAN) JavaScript恶意代码 stacked sparse denoising autoencoder network (sSDAN) 机器学习 machine learning JavaScript malicious code
ISSN:	1673-9418
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!