针对恶意软件的高鲁棒性检测模型研究

摘要： 近年来,恶意软件对网络空间安全的危害日益增大,为了应对网络环境中大规模的恶意软件检测任务,研究者提出了基于机器学习、深度学习的自动化检测方法。然而,这些方法需要在特征工程上耗费较多的时间,导致检测效率较低；同时,恶意软件对抗样本的存在也影响着这些方法做出正确的判断,对网络安全造成了危害。为此,文章提出一种鲁棒性较强的恶意软件检测方法 MDCAM。该方法首先基于代码可视化技术分析... （共12页）