基于信息融合图像和深度学习的恶意软件分类方法
Malware classification method based on image with information fusion and deep learning
贵州大学计算机科学与技术学院(贵州保密学院) 公共大数据国家重点实验室, 贵阳 550025
摘要
现有基于图像的恶意软件分类方法通过提取多种信息并使用多通道图像表征恶意软件以提升分类准确率。然而，相较于使用单通道图像表征恶意软件，使用多通道图像表征恶意软件在提升分类准确率的同时也增加了模型的复杂度和计算量。为此，提出了基于信息融合图像和深度学习的恶意软件分类方法MCIIFD(Malware classification method based on image with information fusion and deep learning)。该方法通过将字节码、操作码及操作数、以及数据定义内容等不同信息分布到单通道图像的不同区域，既实现了多种关键信息的融合，又避免了多通道图像带来的高计算开销。在此基础上，设计了卷积神经网络与支持向量机的特征提取与分类框架，使得MCIIFD既能凭借更丰富的特征表示实现高分类精度，又能保持较低模型复杂度和较高计算效率。实验结果显示，MCIIFD在Big2015数据集上获得了99.56%的分类准确率，验证了其在恶意软件分类任务中的有效性。
基金项目
国家自然科学基金资助项目(62162009)、贵州省重大科技专项项目(黔科合重大专项字[2024]014)、贵州省高等学校大数据与网络安全创新团队(黔教技[2023]052])
出版信息
DOI: 10.19734/j.issn.1001-3695.2025.07.0287
出版期卷: 《计算机应用研究》 优先出版, 2026年第43卷 第4期
发布历史
[2025-12-12] 优先出版
引用本文
赵永林, 郭春, 吕晓丹, 等. 基于信息融合图像和深度学习的恶意软件分类方法 [J]. 计算机应用研究, 2026, 43 (4). (2025-12-19). https://doi.org/10.19734/j.issn.1001-3695.2025.07.0287. (Zhao Yonglin, Guo Chun, Lyu Xiaodan, et al. Malware classification method based on image with information fusion and deep learning [J]. Application Research of Computers, 2026, 43 (4). (2025-12-19). https://doi.org/10.19734/j.issn.1001-3695.2025.07.0287. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
