利用AI+大数据的方式分析恶意样本(十一)

本文分析了利用卷积神经网络进行恶意代码检测时遇到的样本数量不均衡和样本大小不一的问题。针对样本不均衡,提出了迁移学习、采样策略和数据扩增等解决方案;对于大小不一的恶意样本,介绍了N-gram算法和空间金字塔池化层的应用。此外,还探讨了基于API序列的恶意样本检测方法。
摘要由CSDN通过智能技术生成
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

西杭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值