融合多尺度CNN与Transformer的恶意软件行为检测方法AET-电子技术应用-最丰富的电子设计资源平台

融合多尺度CNN与Transformer的恶意软件行为检测方法
所属分类：技术论文
上传者：wwei
文档大小：3901 K
标签：恶意软件检测卷积神经网络 Transformer
所需积分：0分积分不够怎么办？
文档介绍：针对恶意软件行为轨迹隐蔽且长序列依赖难以建模的严重威胁，提出一种融合多尺度卷积神经网络与Transformer架构的恶意软件检测方法，此方法首先借助Speakeasy仿真日志去噪及复合事件标记化技术，将冗余日志转化为标准化语义序列，接着运用多层次卷积神经网络结构来提取局部攻击行为特征，在此基础上，将提取的局部攻击行为特征输入Transformer编码器，利用多头自注意力机制建模全局时序依赖关系。实验结果表明，该混合模型在Speakeasy数据集上的准确率和F1Score分别达到9229%和9248%。该方法显著降低了序列检测中的误报率，为复杂网络环境下的恶意软件检测提供了新的技术途径。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

相关文章