来源：期刊VIP网 时间：
作者：张小雨;张振友;
单位：华北理工大学人工智能学院;华北理工大学河北省工业智能感知重点实验室;
摘要：针对当前恶意软件检测模型中使用的特征简单、检测准确率低，以及受到类别不平衡的困扰而无法稳定收敛的问题，文中提出一种基于深度特征融合的恶意软件检测模型。首先，对获取的原始流量捕获文件进行清洗，去除异常的数据包；然后，利用网络流量基本信息提取库将网络流量按会话的形式进行切分，获取流的相关信息，进而提取出所需的统计特征；接着，通过全连接层和自编码器对统计特征进行深度处理，有效消除噪声影响并生成更具鲁棒性的特征；最后，采用一维卷积神经网络和长短期记忆网络联合提取时空特征，获取全面的潜在信息，在显著提升模型检测准确率的同时解决模型收敛不稳定的问题。该模型在StratosphereIPS和USTC-TFC2016的混合数据集上进行了训练与测试，并且将该模型与其他五种模型进行了对比，对于二分类任务，该模型取得了99.48%的准确率和97.82%的F1分数；对于多分类任务，取得了93.16%的准确率和92.69%的F1分数。测试结果表明，文中模型有效解决了类别不平衡带来的无法稳定收敛的问题。
关键词：网络流量;;深度学习;;统计特征;;时间特征;;空间特征;;类别不平衡;;恶意软件分类
基金资助：河北省自然科学基金项目（F2023209013）;; 河北省高等学校科学技术研究项目（ZD2022102）
