基于深度学习的恶意代码检测技术研究

近年来,恶意代码的爆炸性增长对计算机信息系统造成严重威胁,如何在初始阶段有效检测恶意代码成为了备受关注的话题。传统的恶意代码检测技术往往具有较高的误报率和漏报率,基于机器学习技术的恶意代码检测方法也存在提取特征较少、模型框架单一等问题。本文以大型开源数据集Ember为基础,设计了一种深度前馈神经网络模型。将原始数据集进行预处理,转化为二维特征向量;确定模型参数,纵向构建多层稠密结构网络;测试模型的检测效果,并将该模型与其他机器学习算法进行比较。结果表明,该深度前馈神经网络取得了较好的检测效果,基本满足了恶意代码检测要求。