基于GAN的恶意软件对抗样本研究.docxVIP

下载本文档

1
0
约4.32千字
约 8页
2023-07-27 发布于北京
举报
版权申诉

基于GAN的恶意软件对抗样本研究.docx

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

基于GAN的恶意软件对抗样本研究摘要本文针对恶意软件对抗样本的问题，提出了一种基于生成对抗网络（GAN）的对抗样本生成方法。首先，我们利用对抗样本生成方法生成一批对抗样本，然后将它们作为训练集和原始样本一起训练得到一个新的分类器。接着，我们利用这个分类器来生成更高质量的对抗样本，从而提高恶意软件检测的效果。实验结果表明，我们的方法可以有效地欺骗目前主流的恶意软件检测器，相比其他方法具有更强的泛化能力和更高的可信度。关键词：恶意软件，对抗样本，生成对抗网络，检测器，泛化能力，可信度AbstractIn this paper, we propose a method base