原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
摘 要
恶意软件利用多态、变形、加密等新代码混淆技术作为支撑，呈现定向性、隐蔽性、
持续性等特点，近年来持续对互联网基础设施、关键网络应用、用户隐私等构成巨大威
胁。对其进行检测和家族分类依然是网络空间安全领域的研究热点。传统基于特征提取
和经典机器学习的检测和家族分类方法，存在高耗时和对未知的恶意软件检测不可靠的
问题。它们由于特征工程需要耗费更多的时间，并且在恶意软件样本数量不平衡的检测
与家族分类上面临重大挑战。为了解决这些挑战，并且基于卷积神经网络在图像分类领
域的良好效果和恶意软件家族在图片上
文档评论（0）