基于特征权重的恶意软件分类方法

来源：计算机技术与发展杂志2022年第11期北京时间：

作者：叶彪;';李琳;';丁应;宋荆汉;万振华

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065;3. 上海航天精密机械研究所,上海 201600;4. 深圳开源互联网安全技术有限公司,广东 深圳 518000

摘要：近年来由于计算机和人们的工作生活结合得更加紧密,为保障信息安全,恶意软件分类的重要性与日俱增,但是现有的恶意软件分类方法大多都存在模型复杂、耗费时间长以及效果不突出等困境。 为提高恶意软件分类效率,提出一个结合特征提取和卷积神经网络的恶意软件分类框架。 针对目前恶意软件分类算法准确率低、处理时间慢等问题,引入并改进了 NLP 领域中的一种特征权重算法。 通过计算操作码的特征权重,选取具有较大信息增益的操作码作为特征词,然后提取恶意样本的特征图,最后传入卷积神经网络进行训练和分类。 实验结果表明,该方法在 big2015 数据集上的准确率为 99. 26% ,比基于 TFIDF 特征提取的方法略好,接近该数据集上的冠军方法,在不均衡类别上的分类表现优于基于频率的特征词选择的提取算法,并且在预处理时间上短于其他方法。

关键词：特征权重;特征提取;操作码;卷积神经网络;恶意软件分类