下载 >  开发技术 >  其它 > 论文研究-基于RRNS的恶意软件动态检测模型 .pdf

论文研究-基于RRNS的恶意软件动态检测模型 .pdf 评分:

基于RRNS的恶意软件动态检测模型,许士亭,郭燕慧,随着现在Android平台上应用数量变得庞大,恶意应用类型日渐增多和不断变化,界定和描述恶意应用类别变得困难,并且由于恶意应用行��
2019-08-15 上传大小:930KB
分享
收藏 举报
论文研究-基于免疫原理的恶意软件检测模型.pdf

针对恶意软件检测尤其是未知恶意软件检测的不足,提出一种基于免疫原理的恶意软件检测模型,该模型采用程序运行时产生的IRP请求序列作为抗原,定义系统中的正常程序为自体,恶意程序为非自体,通过选定数量的抗体,采用人工免疫原理对非自体进行识别。实验结果表明,此模型在恶意软件的检测方面具有较高的准确率,且误报和漏报率较低,是一种有效的恶意软件检测方法。

立即下载
Kdd2017最佳应用论文奖:使用结构化异构信息网络(HIN)来检测 Android恶意软件

随着Android恶意软件的增长及其对用户的影响,Android恶意软件检测已成为网络安全日益重要的课题。Android恶意软件也越来越复杂,需要新防御技术从而保护用户免受威胁。这篇论文中,为了检测Android恶意软件,我们不再仅仅使用API调用,而是进一步分析它们之间的不同关系,并创建更高层次的语义,这就让攻击者更难逃避被检测。我们将Android应用,相关的API,及其与结构化异构信息网络(HIN)的丰富关系作为代表。然后我们使用基于元路径的方法来表征应用程序和API的语义相关性。我们使用每个元路径来制定Android应用的相似性度量,并使用多内核学习聚合不同的相似之处。然后通过学习算法

立即下载
基于深度学习的语音识别应用研究

基于深度神经网络的声学特征提取研究和声韵母提取研究,构建深度学习的声学建模研究。

立即下载
基于通用动态图像模型的光流场计算研究

基于通用动态图像模型的光流场计算研究论文

立即下载
基于行为的恶意代码检测技术

基于行为的恶意代码检测技术,从病毒体内提取的原始数据片断,以及该片断的位置信息。将一系列已经规定好的恶意行为做为规范,根据这些规范,去监视程序做了什么,再结合这个规范来判定程序是否是恶意代码。

立即下载
基于分区法的2-RGV调度问题的模型和算法

基于分区法的2-RGV调度问题的模型和算法,

立即下载
论文研究-基于软件基因的Android恶意软件检测与分类.pdf

随着移动互联网的发展,针对Android平台的恶意代码呈现急剧增长。而现有的Android恶意代码分析方法多聚焦于基于特征对恶意代码的检测,缺少统一的系统化分析方法,且少有对恶意代码进行分类的研究。基于这种现状,提出了恶意软件基因的概念,以包含功能信息的片段对恶意代码进行分析;根据Android平台软件的特点,通过代码段和资源段分别提取了软件基因,其中代码段基因基于use-def链(使用—定义链)进行形式化。此外,分别提出了基于恶意软件基因的检测框架和分类框架,通过机器学习中的支持向量机对恶意软件基因进行学习,具有较高的检测率和分类正确率,其中检测召回率达到了98.37%,验证了恶意软件基因在

立即下载
论文研究-基于主机行为特征的恶意软件检测方法.pdf

针对僵尸、远控木马等恶意软件检测问题,提出一种基于主机行为的异常检测模型。该模型通过持续性分析算法,判断主机与外部特定目标的通信行为是否具有周期性或连续性,提取出可疑的网络行为,并根据网络行为的触发、启动等异常检测规则对这些可疑的网络行为进行分析,判断主机是否感染恶意软件。实验结果表明,该模型可有效检测出感染恶意软件的主机,并具有很低误报率。

立即下载
论文研究-基于Android权限信息的恶意软件检测.pdf

Android恶意软件对手机安全造成的威胁日益严重,为了防止恶意软件对手机造成的安全威胁,提出了一种从应用程序提取权限信息的方法,以此来检测软件的恶意行为。首先,在信息提取实验中,提取应用程序自身的权限信息和应用程序间具有权限提升威胁的信息,并对该信息进行统计分析,分别获得恶意软件和良性软件的差异和规律;其次,在检测实验中,根据提取实验的结果,利用机器学习和数据挖掘技术对应用软件进行分类,实现对恶意软件的静态检测。该方法能有效地对恶意软件进行预判断,达到检测的目的。实验结果表明,所提出的权限信息提取方法能较大地提高检测恶意软件的准确率。

立即下载
论文研究-基于行为的Android恶意软件检测系统 .pdf

基于行为的Android恶意软件检测系统,张京,,随着Android恶意软件数量的逐年增加,很多相关领域的专家与学者都对恶意软件检测技术进行了研究。在这些研究中,基于行为分析的恶��

立即下载
论文研究-基于最小距离分类器的Android恶意软件检测方案.pdf

针对Android手机恶意软件数目增多,应用商店对大批量软件的安全性检测难度增大的问题,提出了一种轻量级恶意软件检测方案。该方案首先分析了大量恶意软件和正常软件样本的权限信息,再对权限频率特征去冗余,最后利用最小距离分类器进行软件分类。实验结果表明该方案的可行性,通过与同级别方案对比,在方案复杂度和检测效果上表现出优越性,可以应用于大规模恶意软件的初步检测。

立即下载
基于深度学习的面部表情识别研究

深度学习在语音识别、图像理解等许多应用领域取得了突破性成果。针对基于深度学习的静态 人脸图像表情识别方法进行研究,首先介绍了深度学习的原理,并归纳了目前公开且常用的面部表情数据集;然后 介绍了基于深度学习的表情识别的三个步骤,归纳了图像预处理和表情分类的主要方法,重点总结了目前性能较好 用来提取特征的深度学习框架以及这些方法的基本原理和优劣势比较;最后指出了目前面部表情识别存在的问题和 未来可能的发展趋势。

立即下载
ACF目标检测算法论文

ACF目标检测算法是常用的目标检测算法之一,本文主要讲述了ACF目标检测的原理

立即下载
基于本体的论文复制检测系统.pdf

基于本体的论文复制检测系统.pdf基于本体的论文复制检测系统.pdf基于本体的论文复制检测系统.pdf基于本体的论文复制检测系统.pdf

立即下载
基于人工智能的量化投资研究

本书为人工智能的量化投资研究方面的书籍,非常值得一看!

立即下载
论文研究-Android恶意软件检测方法研究综述.pdf

基于Android系统恶意软件检测的全流程,对比和分析了国内外的研究现状和进展,从样本获取的角度介绍了标准化数据样本的来源及作用,从特征选择的角度阐述了特征选择应遵循的原则;重点从检测方法的角度对比和分析了各种检测方法的优缺点,同时总结和归纳了特征数据集筛选方法以及实验结果评估方法。最后结合实际应用和需求,展望了未来Android恶意软件检测方法的研究和发展方向。

立即下载
基于深度学习的汽车目标检测

需要再matlab2017a即以上版本上运行 资源来自网络 本为matlab计算机视觉与深度学习实战28章示例代码

立即下载
基于深度学习的交通拥堵预测模型研究 *

针对城市道路交通拥堵预警问题,提出了一种基于深度学习的预测模型 。 通过归纳合并交通流参数 、 环境状态 、 时段等基础数据来构建交通流特征向量并确定四种预测状态 。 采用深度学习的自编码网络方法从无 标签数据集中学习获取可表征数据深层特征的隐层参数并生成新特征集 。 应用 Softmax 回归对有标签的新特征 集进行学习生成预测分类器,模型可对交通拥堵状况进行多态预测 。 通过仿真对比分析,预测模型具有较省略 特征学习的预测算法更好的预测性能,平均预测精度可达 85% 。

立即下载
(人脸识别系统研究与实现)全部论文和源代码

人脸识别系统研究与实现)全部论文和源代码

立即下载
基于机器学习的股票排名方法

传统的机器学习运用于选股的论文,对于量化研究爱好者可以借鉴与参考,

立即下载

热点文章

img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

论文研究-基于RRNS的恶意软件动态检测模型 .pdf

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: