基于卷积神经网络的JavaScript恶意代码检测方法

来源：计算机工程与应用杂志2019年第18期北京时间：

作者：龙廷艳，万良，邓烜堃

单位：贵州大学 计算机科学与技术学院，贵阳 550025

摘要：机器学习的JavaScript恶意代码检测方法在提取特征过程中耗费时间和人力，以及这些频繁使用的机器学习方法已经无法满足当今信息大爆炸的实际需要。提出了一种基于卷积神经网络的JavaScript恶意代码检测方法。采用爬虫工具收集良性和恶意的JavaScript脚本代码获得样本数据；将JavaScript样本转换为相对应的灰阶图像，得到图像数据集；通过构建卷积神经网络模型对图像数据集进行训练，使得模型具有检测JavaScript恶意代码的能力。实验结果表明，相对于机器学习，该方法对收集到的5 800条JavaScript代码样本，检测准确率达到98.9%。

关键词：卷积神经网络,JavaScript脚本,灰阶图像,机器学习,Web安全