“基于深度学习可视化的恶意软件家族分类”的总结

1.文献主要内容：该文献主要研究的是对恶意软件家族的分类，研究的主要目的是实现将恶意软件操作码转化为可直视的灰度图像。本文提出了一种名 RSGC 的静态分析方法，该方法是 RNN、simHash、Greyscale 和 CNN 这 4 个词的缩写的组合。其中利用RNN处理时序序列，并提出了能在特定的时间段内使用先前输入跟未来信息进行训练的双向递归神经网络(BRNN)。还有simHash 算法，主要用于快速估计两个集合的相似性，使用 Simhash 可视化方法将恶意软件映射到尺寸相同的灰度图像中，使得图像不需要经过尺度变化便能进行分类的问题。其中由于CNN局部感知野的存在，使得它具有很好的判断图像相似性的潜力。随后便使用 CNN作为分类器，提高自动化程度。
2.我的认识：从该文献中我了解到什么是Simhash算法和Simhash算法的作用、还有恶意软件家族分类的步骤：提取序列操作码、RNN的特征训练、对Simhash的可视化表示，最后CNN进行恶意软件家族分类。这一技术也主要运用到深度学习的CNN和RNN，说明这一知识可应用的范围很广，我要深入学习。

【参考文献】：[1]陈小寒,魏书宁,覃正泽.基于深度学习可视化的恶意软件家族分类[J/OL].计算机工程与应用:1-9[2020-11-26].http://kns.cnki.net/kcms/detail/11.2127.TP.20201124.1513.014.html.