深度可分离卷积在Android恶意软件分类的应用研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要： 传统机器学习在恶意软件分析上需要复杂的特征工程，不适用于大规模的恶意软件分析。为提高在Android恶意软件上的检测效率，将Android恶意软件字节码文件映射成灰阶图像，综合利用深度可分离卷积（depthwise separable convolution，DSC）和注意力机制提出基于全局注意力模块（GCBAM）的Android恶意软件分类模型。（剩余13443字）

试读结束

目录
monitor