《表5 其他算法应用:基于图像分析的恶意软件检测技术研究》
除了使用机器学习算法和卷积神经网络进行恶意软件图像识别外,还有一些研究者使用其他方法进行恶意软件图像识别,表5对这些方法进行了总结。HAN[12]等人通过计算图像之间的相似度来进行恶意软件检测,实验证明来自相同家族的恶意软件样本之间的相似性在0.19到0.36之间,最终的检测精度达到98.96%,这也证明了这种方法的可行性。AREFKHANI[16]等人通过Ahash、DHash和PHash三种自己提出的局部敏感哈希算法(LSH)对恶意软件图像进行聚类分析,以此完成恶意软件检测,经测试AHash、DHash、PHash的检测精确度分别为86%、98%、98%。
图表编号 | XD00112961500 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) |