基于MobileNet的恶意软件家族分类模型
来源：计算机工程杂志2020年第4期北京时间：
作者：曾娅琴, 张琳琳, 张若楠, 杨波
单位：新疆大学 a. 软件学院;b. 网络空间安全学院;c. 信息科学与工程学院, 乌鲁木齐 830046
摘要：现有基于卷积神经网络（CNN）的恶意代码分类方法存在计算资源消耗较大的问题。为降低分类过程中的计算量和参数量，构建基于恶意代码可视化和轻量级CNN模型的恶意软件家族分类模型。将恶意软件可视化为灰度图，以灰度图的相似度表示同一家族的恶意软件在代码结构上的相似性，利用灰度图训练带有深度可分离卷积的神经网络模型MobileNet v2，自动提取纹理特征，并采用Softmax分类器对恶意代码进行家族分类。实验结果表明，该模型对恶意代码分类的平均准确率为99.32%，较经典的恶意代码可视化模型高出2.14个百分点。
关键词：卷积神经网络,恶意软件分类,纹理特征,MobileNet v2模型,Softmax模型
基金资助：国家自然科学基金移动学习情境感知模型研究（61867006）；新疆维吾尔自治区科技厅创新环境建设专项校园网安全审计数据共享和威胁情报分析平台（PT1811）；新疆维吾尔自治区创新环境建设专项（自然科学基金）联合基金多种技术融合的Android恶意软件检测方法研究（2019D01C062）；新疆维吾尔自治区高校科研计划项目—自然科学基金面上项目基于异常模型的移动应用软件运行时行为检测方法研究（XJEDU2017M005）。
