基于特征加權與神經網絡的惡意檢測系統(tǒng)
大小：1.14 MB 人氣： 2021-03-17 需要積分：0
當前Android系統(tǒng)惡意應用程序數量增長迅猛，然而傳統(tǒng)檢測系統(tǒng)無法對其進行快速有效檢測，移動終端安全性面臨嚴重威脅。提出一種將特征加權與雙向長短期記憶（Bi-LSTM）神經網絡深度學習算法相結合的惡意檢測系統(tǒng)。采用靜態(tài)分析方法從惡意與良性應用程序中提取不同類型行為特征，利用特征加權方法消除噪聲與不相關因素后構建特征向量，使用Bi-LSTM深度學習算法優(yōu)化行為特征參數，并設計惡意與良性應用程序分類模型，建立特征加權與深度學習算法相結合的惡意應用程序檢測系統(tǒng)。實驗結果表明，與支持向量機、RNN等傳統(tǒng)檢測系統(tǒng)相比，該系統(tǒng)對惡意應用程序具有較高的檢測精度與準確事。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于特征加權與神經網絡的惡意檢測系統(tǒng)下載
相關電子資料下載
- 浙江移動攜手華為全面深化SPN算網系列創(chuàng)新 49
- USB Type-C 240W知識科普 160
- 邁爾微視MRDVS發(fā)布多模態(tài)避障相機S2 92
- 移遠通信5G RedCap模組拿下首個中國移動5G物聯(lián)網開放實驗室5G及輕量化產品能力 50
- 移動機器人領域低壓直流伺服系統(tǒng)的應用分析 20
- 移遠通信5G RedCap模組拿下首個中國移動5G物聯(lián)網開放實驗室5G及輕量化產品能力 125
- 中國移動聚力5G輕量化（RedCap）創(chuàng)新發(fā)展，正式發(fā)布RedCap產品及場景化解決方案 200
- 5G NR調制階數與EVM關系以及對系統(tǒng)SNR要求分析 66
- 社區(qū)說｜多才多藝: 探索 Android 應用更多可能 13
- 深度學習在工業(yè)缺陷檢測中的應用 64