基于纹理指纹的恶意代码变种检测方法研究

提出一种基于纹理指纹的恶意代码特征提取及检测方法,通过结合图像分析技术与恶意代码变种检测技术,将恶意代码映射为无压缩灰阶图片,基于纹理分割算法对图片进行分块,使用灰阶共生矩阵算法提取各个分块的纹理特征,并将这些纹理特征作为恶意代码的纹理指纹;然后,根据样本的纹理指纹,建立纹理指纹索引结构;检测阶段通过恶意代码纹理指纹块生成策略,采用加权综合多分段纹理指纹相似性匹配方法检测恶意代码变种和未知恶意代码;在此基础上,实现恶意代码的纹理指纹提取及检测原型系统。通过对6种恶意代码样本数据集的分析和检测,完成了对该系统的实验验证。实验结果表明,基于上述方法提取的特征具有检测速度快、精度高等特点,并且对恶意代码变种具有较好的识别能力。

基于纹理指纹与活动向量空间的Android恶意代码检测

为了进一步提高恶意代码识别的准确率和自动化程度,提出一种基于深度学习的Android恶意代码分析与检测方法。首先,提出恶意代码纹理指纹体现恶意代码二进制文件块内容相似性,选取33类恶意代码活动向量空间来反映恶意代码的潜在动态活动。其次,为确保分类准确率的提高,融合上述特征,训练自编码器(AE)和Softmax分类器。通过对不同数据样本进行测试,利用栈式自编码(SAE)模型对Android恶意代码的分类平均准确率可达94.9%,比支持向量机(SVM)高出1.1个百分点。实验结果表明,所提出的方法能够有效提高恶意代码识别精度。

基于灰度纹理指纹的恶意代码分类

随着各种新技术的出现,传统的恶意代码的识别和分类技术存在着检测率瓶颈、实时监测效率不高的问题,为了提高准确率,提出一种基于图像纹理指纹特征与深度学习神经网络结合的分类方法。该方法首先将数据集中恶意代码的二进制文件建模为灰度图,采用改进的灰度共生矩阵提取出恶意代码中的指纹特征图像;并选择不同步长扩展样本量,然后将该指纹特征图像作为输入数据集并采用卷积神经网络模型进行分类训练。结果表明,该方法可以有效地分类恶意代码,准确率可达96.2%;并在泛化测试中取得了较好的效果。

一种结合细节点和纹理信息的指纹匹配算法

提出了一种新的指纹联合匹配算法。该算法基于细节点周围的纹理结构信息和细节点构造出指纹特征向量。对指纹纹理进行滤波平滑,提取纹理方向信息,进而利用指纹块的纹理信息简化数据处理过程,从而提高匹配速度。该算法计算速度快,具有较高的识别率,且能较好的正确识别偏移、信息残缺等质量较差的指纹图像,具有很强的鲁棒性,在实际应用中取得了良好的效果。

新疆地区维吾尔族大学生指纹纹理分析研究

目的探讨新疆10个区域维吾尔族大学生指纹纹理的差异。方法对世居新疆10个地区的891名维吾尔族大学生进行调查,分别测量嵴纹总数(TFRC)、a-b箕纹数、指纹类型3个指标,对10个区域的男、女大学生指纹纺理进行成对比较。结果和田和昌吉、博州和克州、博州和塔城维吾尔族男、女大学生嵴纹总数(TFRC)差异有统计学意义;博州与和田维吾尔族男、女大学生a-b箕纹数差异有统计学意义;和田和阿勒泰、昌吉和阿勒泰、昌吉和博州维吾尔族男、女大学生的指纹类型比例差异有统计学意义;不同测量指标在不同地区的测量值存在差异。结论新疆南疆、北疆地区维吾尔族大学生的指纹有差异,而在南疆和北疆内部的指纹差异较小。

快速Gabor滤波器在指纹纹理分析中的应用

为了提高指纹识别速度,在分析了Gabor滤波器实部特征的基础上简化了求二维卷积的运算,从而改进了Gabor滤波器算法,实验表明该改进算法使运算的复杂度由O(n2)降至O(n)。

指纹图像质量的自动评定

针对指纹图像质量差而导致指纹识别系统识别成功率低下的问题,提出一种基于多影响因子的指纹图像质量自动评定方法。以原始指纹图像的局部纹理、全局纹理、可利用面积大小和干湿状况作为影响因子,先以梯度相关性计算局部纹理质量分数,再以分块思想分别计算出后三者的质量分数。然后,以不同的影响权值将上述4个影响因子联系起来,综合评定指纹质量。最后调节部分影响因子的影响作用,修正综合评定结果。采用FVC2004DB2_B中图像进行算法验证,实验结果表明:能合理有效地将指纹图像质量评定为5个等级,而且正确率可达到97.5%,能有效提高指纹识别系统的识别成功率。