《表2 纹理特征提取方法对比》
表2列出了几种纹理特征提取方法的优缺点,由于几何法应用和发展极其受限且后继研究很少,所以在表2中没有体现。由表1可以看出,在提取恶意软件图像纹理特征的过程中,研究者大多采用GIST模型、Gabor滤波法等,其中GIST模型的使用最为频繁,该算法采用全局特征信息对场景进行识别与分类,不需要对图像进行分割和局部特征提取,可以实现快速场景识别与分类。具体细节可参考文献[24,25]。GIST模型、Gabor滤波法都属于信号处理法,选择这种方法的一个原因是信号处理法有利于纹理图像分割,有助于随后恶意软件的检测。NATARAJ[9]等人提出并实现了使用图像法检测恶意软件,并测试了几种不同的提取纹理特征的方法,实验结果表明,GIST模型和Gabor滤波法提取的纹理特征在纹理分割和分类方面都有着很好的表现,这也是使用信号处理法的另一个原因。但也有研究者,如韩晓光[15]等人,选择使用其他方法进行恶意软件图像纹理特征提取,实验结果证明了其他方法也是可行的。这也为后续的实验提供了新的思路,尝试使用不同的纹理特征提取方法进一步提高恶意软件检测的精确度和效率。
图表编号 | XD00112961400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.10 |
作者 | 张健、陈博翰、宫良一、顾兆军 |
绘制单位 | 天津理工大学计算机科学与工程学院、南开大学网络空间安全学院、天津市网络与数据安全技术重点实验室、天津理工大学计算机科学与工程学院、天津理工大学计算机科学与工程学院、中国民航大学信息安全测评中心 |
更多格式 | 高清、无水印(增值服务) |