CSMC:一种安全有效的可视化恶意软件分类方法,灵感来自压缩传感

科学领域:

• 网络安全 网络安全
• 机器学习 机器学习
• 物联网 (IoT) 的物联网 (IoT) 的物联网.

背景情况:

• 物联网中的智能传感器至关重要,但容易受到复杂的恶意软件攻击.
• 恶意软件的分类至关重要,但由于庞大的样本大小和有限的物联网资源,这是一个挑战.
• 现有的方法在复杂网络中的高效处理,安全共享和强大的分类方面扎.

研究的目的:

• 为物联网环境提出一种高效和安全的恶意软件分类方法.
• 为了应对有限的带宽,资源限制和样本利用风险的挑战.
• 为了提高恶意软件分类的准确性和针对复杂网络威胁的稳定性.

主要方法:

• 开发了压缩传感恶意软件分类 (CSMC),集成压缩传感和深度学习.
• 在共享和分类之前实施恶意软件样本压缩.
• 利用深度学习在压缩过程中提取特征,确保不可逆转性以提高安全性.

主要成果:

• 与Windows和Android恶意软件的压缩传感和机器/深度学习方法相比,CSMC表现出优异的性能.
• 实验证实了CSMC在安全样本共享和处理方面的有效性.
• 通过样本重建和噪音处理实验验证实了强度.

结论:

• CSMC为物联网中的恶意软件分类提供了一个高效,安全和强大的解决方案.
• 深度学习在压缩传感中集成,使先进的功能提取和保护成为可能.
• CSMC显著提高了对资源有限和安全敏感物联网应用程序的恶意软件识别能力.