• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于1D CNN與XGBoost的惡意代碼紋理檢測(cè)

    2021-12-13 06:32:04袁啟平孫沂昆王天翔
    電視技術(shù) 2021年10期
    關(guān)鍵詞:家族可視化像素

    黃 科,袁啟平,董 薇,孫沂昆,亢 勇,王天翔

    (北京特種工程設(shè)計(jì)研究院,北京 100028)

    0 引言

    隨著信息技術(shù)的發(fā)展,惡意代碼也呈爆炸式增長(zhǎng),對(duì)互聯(lián)網(wǎng)安全的方方面面都產(chǎn)生了威脅。在對(duì)惡意軟件的防范中,對(duì)惡意代碼的檢測(cè)顯得十分重要。目前,惡意代碼檢測(cè)方式有靜態(tài)檢測(cè)和動(dòng)態(tài)檢測(cè)兩種。靜態(tài)檢測(cè)一般是依據(jù)代碼的結(jié)構(gòu)、邏輯,通過(guò)代碼走查、數(shù)據(jù)流分析、控制流分析和信息流分析等方法分析代碼特征,從而判斷軟件是否為惡意軟件。動(dòng)態(tài)檢測(cè)可以通過(guò)調(diào)試器運(yùn)行被檢測(cè)的軟件的某項(xiàng)功能,動(dòng)態(tài)監(jiān)測(cè)程序調(diào)用來(lái)判斷程序是否屬于惡意軟件。

    加密、代碼混淆技術(shù)的使用和惡意代碼檢測(cè)對(duì)抗等方法的發(fā)展,在一定程度上增大了動(dòng)態(tài)分析和靜態(tài)分析檢測(cè)的困難。因此,無(wú)論是在檢測(cè)的精確性還是對(duì)計(jì)算機(jī)硬件的損耗上,傳統(tǒng)惡意軟件檢測(cè)技術(shù)都具有局限性。L.NATARAJ等人[1]提出了將惡意軟件的可執(zhí)行文件轉(zhuǎn)化為灰度圖的方法,在灰度圖中可以明顯分類(lèi)出有特定含義的片段,如.data、.text等,并且惡意代碼家族內(nèi)部的圖像紋理具有相似性。惡意軟件轉(zhuǎn)化為圖片的本質(zhì)是將一段線性代碼按照某種轉(zhuǎn)化方式投放至二維空間中,將代碼的特征轉(zhuǎn)化為圖像紋理的特征。但這種方式弱化了惡意代碼的線性特征。惡意軟件文件轉(zhuǎn)化成的像素點(diǎn)進(jìn)行排布后,圖像多出了像素點(diǎn)上下間的空間相關(guān)性,而這樣的相關(guān)性是原文件不具有的。

    在CUI等人[2]的論文中,將惡意代碼二進(jìn)制文件轉(zhuǎn)換成十進(jìn)制一維數(shù)組后,根據(jù)文件的大小設(shè)定寬度,將一維數(shù)組轉(zhuǎn)換成多維度的矩陣,從而形成灰度圖片并壓縮到同一大?。煌ㄟ^(guò)傾斜圖像等數(shù)據(jù)增強(qiáng)的方法增加樣本數(shù)量,之后輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行識(shí)別。但是,這個(gè)過(guò)程有以下幾個(gè)問(wèn)題。

    (1)灰度圖像的紋理來(lái)源于惡意代碼的二進(jìn)制文件的組合,如L.NATARAJ[1]針對(duì)圖像不同部分拆分為.text段、.data段一樣,其相鄰像素點(diǎn)之間是有邏輯關(guān)聯(lián)的。因此,對(duì)惡意代碼的灰度圖像紋理的分析,不僅僅要分析圖像,還要考慮紋理間的邏輯關(guān)聯(lián)。在二維卷積神經(jīng)網(wǎng)絡(luò)(2 Dimention Convolutional Neural Networks,2D CNN)中,卷積核是一個(gè)多維矩陣,提取圖像特征時(shí),提取的是方形像素塊,而像素塊內(nèi)的像素點(diǎn)之間是跨行的,提取的特征未考慮像素點(diǎn)間的邏輯關(guān)聯(lián)。

    (2)在對(duì)惡意代碼的圖像進(jìn)行壓縮時(shí),由于各個(gè)惡意軟件的大小不同,導(dǎo)致圖像的長(zhǎng)寬比不同,壓縮成同一大小的正方形矩陣后,會(huì)導(dǎo)致不同圖像長(zhǎng)寬壓縮比例不同,圖像特征損失差距較大。

    (3)惡意軟件的各個(gè)家族內(nèi)樣本數(shù)量不同,比例差異較大,產(chǎn)生了數(shù)據(jù)不平衡的情況。數(shù)據(jù)不平衡會(huì)導(dǎo)致深度學(xué)習(xí)模型的泛化性下降,也會(huì)在訓(xùn)練過(guò)程中產(chǎn)生過(guò)擬合。

    為了解決上述問(wèn)題,本文提供如下解決方法:

    (1)將惡意代碼二進(jìn)制文件轉(zhuǎn)化為范圍為0~255的十進(jìn)制一維數(shù)組,每個(gè)數(shù)充當(dāng)像素點(diǎn),形成像素向量,將圖像紋理的分析轉(zhuǎn)化成為對(duì)一段向量明暗變化的研究;

    (2)基于這種變換方式,引入一維卷積神經(jīng)網(wǎng)絡(luò)(1 Dimention Convolutional Neural Networks,1D CNN),以提取向量明暗變化的特征;

    (3)為了解決惡意代碼家族之間樣本數(shù)量的不平衡,引入近年來(lái)在分類(lèi)問(wèn)題上表現(xiàn)良好的XGBoost模型,將1D CNN提取的特征輸入到該模型中進(jìn)行分類(lèi)的預(yù)測(cè)。

    實(shí)驗(yàn)結(jié)果表明,本文提出的方法能夠達(dá)到97%的精確度,并且大大減輕了數(shù)據(jù)不平衡帶來(lái)的 問(wèn)題。

    1 相關(guān)工作

    本節(jié)介紹檢測(cè)惡意軟件的相關(guān)研究。一般情況下,針對(duì)惡意代碼的檢測(cè)主要分為啟發(fā)式檢測(cè)和基于特征碼的檢測(cè)[3]。啟發(fā)式的惡意代碼檢測(cè)方法主要利用系統(tǒng)上層信息以及內(nèi)核文件系統(tǒng)來(lái)識(shí)別惡意代碼的隱藏信息等,比較依賴人員的經(jīng)驗(yàn),且誤報(bào)率較高?;谔卣鞔a的檢測(cè)方法主要通過(guò)比較識(shí)別惡意代碼的顯性特征,一般對(duì)特征進(jìn)行偽裝變形便能繞過(guò)檢測(cè)。下面將重點(diǎn)介紹惡意代碼可視化、基于深度學(xué)習(xí)的惡意軟件檢測(cè)以及分類(lèi)器的選擇等方面的內(nèi)容。

    1.1 惡意軟件可視化

    利用文本編輯器和二進(jìn)制編輯器就可以將二進(jìn)制數(shù)據(jù)可視化,已經(jīng)有諸多研究人員對(duì)惡意軟件可視化做出了深入的研究。YOO等人[4]利用自組織映射方法實(shí)現(xiàn)惡意代碼的檢測(cè)識(shí)別和可視化呈現(xiàn)。QUIST等人[5]開(kāi)發(fā)了一套可視化框架用來(lái)逆向惡意代碼,他們提出利用節(jié)點(diǎn)和鏈接的可視化方法實(shí)現(xiàn)對(duì)惡意代碼的功能、混淆區(qū)域的有效識(shí)別。TRINIUS等人[6]分別利用樹(shù)形拓?fù)鋱D和線程圖兩種圖方法來(lái)分別表示惡意代碼的操作分布和操作序列,實(shí)現(xiàn)對(duì)惡意代碼的檢測(cè)。CONTI等人[7]實(shí)現(xiàn)文本、圖像、視頻等非結(jié)構(gòu)化數(shù)據(jù)以及C++源代碼等原始二進(jìn)制數(shù)據(jù)段,通過(guò)可視化技術(shù)轉(zhuǎn)化為圖像,實(shí)現(xiàn)對(duì)惡意特征的識(shí)別。KANCHERLA等人[8]通過(guò)將惡意代碼可執(zhí)行文件轉(zhuǎn)化為字節(jié)圖特征,并利用支持向量機(jī)(Support Vector Machine,SVM)分類(lèi)器進(jìn)行識(shí)別,實(shí)現(xiàn)對(duì)2.5萬(wàn)惡意代碼語(yǔ)料庫(kù)的分類(lèi)。GOODALL等人[9]開(kāi)發(fā)了可視化分析環(huán)境,該環(huán)境不僅可以幫助程序員更好地理解代碼,還可以將程序中的漏洞可視化,以便更好地發(fā)現(xiàn)和解決漏洞。HAN等人[10]提出一種基于紋理指紋的惡意代碼特征提取及檢測(cè)方法,通過(guò)結(jié)合圖像分析技術(shù)與惡意代碼變種檢測(cè)技術(shù),將惡意代碼映射為無(wú)壓縮灰階圖片,并采用加權(quán)綜合多分段紋理指紋相似性匹配方法檢測(cè)惡意代碼變種和未知惡意代碼。

    1.2 基于深度學(xué)習(xí)的惡意代碼檢測(cè)

    研究人員也利用深度學(xué)習(xí)去檢測(cè)惡意軟件,TOBIYAMA等人[11]提出一種基于進(jìn)程行為進(jìn)行惡意進(jìn)程檢測(cè)的方法,利用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)(Long Short-Term Memory,LSTM)進(jìn)行特征提取,用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)進(jìn)行特征分類(lèi),特征是從轉(zhuǎn)化為含有本地特征的圖片的進(jìn)程行為日志文件中提取的,這些本地特征表示進(jìn)程活動(dòng)。然而這些分析方式是基于軟件行為進(jìn)行的檢測(cè),仍受到代碼混淆等的干擾。如上文所述,若將對(duì)惡意軟件的研究轉(zhuǎn)化為對(duì)圖像紋理的研究,會(huì)繞開(kāi)程序行為的干擾。鑒于1D CNN在如文本、一維信號(hào)等序列數(shù)據(jù)上的良好效果,采用1D CNN對(duì)惡意軟件轉(zhuǎn)化成的像素序列進(jìn)行特征提取,而對(duì)惡意軟件的分析轉(zhuǎn)化成對(duì)一條像素條帶明暗變化的分析。

    1.3 深度學(xué)習(xí)時(shí)數(shù)據(jù)集不平衡問(wèn)題的處理

    CNN深度學(xué)習(xí)會(huì)遇到一個(gè)廣泛存在的問(wèn)題,即數(shù)據(jù)集不平衡帶來(lái)的過(guò)擬合。HUANG等人[12]提出使用CNN模型從不平衡數(shù)據(jù)集中學(xué)習(xí)得到每個(gè)樣本的embedding向量,然后使用改進(jìn)的k近鄰分類(lèi)算法對(duì)其分類(lèi)。TANG等人[13]提出使用SVM分類(lèi)器去解決數(shù)據(jù)不平衡的情況。而近年來(lái)由CHEN等人[14]開(kāi)發(fā)的XGBoost系統(tǒng)在許多比賽上能出色地完成分類(lèi)任務(wù),利用CART回歸樹(shù)模型,每學(xué)習(xí)一個(gè)新特征,就擬合上一次預(yù)測(cè)的殘差,從而分裂出一棵新的樹(shù),每個(gè)葉子節(jié)點(diǎn)就對(duì)應(yīng)一個(gè)分?jǐn)?shù),最后只需要將每棵樹(shù)對(duì)應(yīng)的分?jǐn)?shù)加起來(lái)就是該樣本的預(yù)測(cè)值。利用貪婪算法,遍歷所有特征的所有特征劃分點(diǎn),找到最優(yōu)解。

    2 惡意軟件二進(jìn)制文件轉(zhuǎn)化成像素矢量

    文章嘗試了一種新的惡意代碼的可視化方式?;趷阂獯a01比特流之間具有邏輯相關(guān)性以及家族內(nèi)惡意軟件可視化圖片的紋理相似性,家族間惡意軟件可視化圖片紋理相差性,以二進(jìn)制讀入惡意軟件可執(zhí)行文件,得到一串01比特串,每八個(gè)為一組,組合成一個(gè)8位二進(jìn)制的數(shù)字,將其轉(zhuǎn)化為一個(gè)范圍為0~255的無(wú)符號(hào)10進(jìn)制數(shù),得到一組10進(jìn)制數(shù)組,每一個(gè)數(shù)組代表一個(gè)像素點(diǎn),輸出一個(gè)條紋向量圖??梢暬僮鞯木唧w轉(zhuǎn)化過(guò)程算法如下:

    利用上述算法對(duì)惡意代碼家族Agent.FYI、Lolyda.AA3、Yuner.A進(jìn)行轉(zhuǎn)化。轉(zhuǎn)換后,各個(gè)代碼家族的條紋特征分別如圖1、圖2及圖3所示。

    圖1 家族Agent.FYI的條紋特征

    圖2 家族Lolyda.AA3的條紋特征

    圖3 家族Yuner.A的條紋特征

    家族之內(nèi)的惡意代碼條紋有著非常高的相似性,而家族之間的惡意軟件條紋差距較大。因此可以通過(guò)這些像素條帶的明暗變化特征對(duì)惡意軟件進(jìn)行檢測(cè)并判斷其家族歸屬。

    3 基于1D CNN的特征提取

    卷積神經(jīng)網(wǎng)絡(luò)有稀疏權(quán)重、參數(shù)共享及等變表示等特點(diǎn),可以先學(xué)習(xí)局部的特征,再將局部特征組合起來(lái)形成更復(fù)雜和抽象的特征,這使得卷積神經(jīng)網(wǎng)絡(luò)在存儲(chǔ)大小和統(tǒng)計(jì)效率方面極大地優(yōu)于傳統(tǒng)的使用矩陣乘法的神經(jīng)網(wǎng)絡(luò)。1D CNN廣泛應(yīng)用于自然語(yǔ)言處理、傳感器數(shù)據(jù)的時(shí)間序列分析以及具有固定長(zhǎng)度周期的信號(hào)數(shù)據(jù)的分析等多種場(chǎng)景。

    根據(jù)1D CNN對(duì)一維序列數(shù)據(jù)的處理產(chǎn)出的良好表現(xiàn),可以采用一維卷積神經(jīng)網(wǎng)絡(luò)對(duì)像素向量進(jìn)行特征提取。用于像素向量識(shí)別的CNN的結(jié)構(gòu)組成如圖4所示。具體過(guò)程如下。

    圖4 用于像素向量識(shí)別的CNN的結(jié)構(gòu)組成

    (1)將像素向量壓縮成相同的大小,以便輸入神經(jīng)網(wǎng)絡(luò)。

    (2)進(jìn)入卷積層,卷積層實(shí)際上是卷積核與像素向量之間的運(yùn)算,使用一維卷積對(duì)像素向量進(jìn)行特征提取。一維卷積是取向量的點(diǎn)積,因此點(diǎn)積后會(huì)得到一個(gè)新的序列。

    (3)進(jìn)入池化層,池化層提供了很強(qiáng)的魯棒性,并且減少了參數(shù)的數(shù)量。算法采用MaxPooling和Global Average Pooling。MaxPooling提取區(qū)域中的最大值,因此若此區(qū)域中的其他值略有變化或者存在平移,pooling后的結(jié)果仍不變,可以防止過(guò)擬合。Global Average Pooling將最后一層特征圖針對(duì)整張圖進(jìn)行均值池化,形成一個(gè)特征點(diǎn)并起到全連接的作用,將這些特征點(diǎn)組成最后的特征向量輸入softmax進(jìn)行處理。

    (4)輸入softmax前,需要利用Dropout層丟棄一些信息。在每個(gè)訓(xùn)練批次中隨機(jī)地隱藏網(wǎng)絡(luò)中一部分隱藏神經(jīng)元,輸入輸出神經(jīng)元保持不變。之后將輸入節(jié)點(diǎn)通過(guò)修改后的網(wǎng)絡(luò)前向傳播,得到的損失結(jié)果通過(guò)修改的網(wǎng)絡(luò)反向傳播,從而防止過(guò) 擬合。

    (5)利用softmax將輸出映射為0-1的數(shù)字,產(chǎn)生一個(gè)初步分類(lèi)的結(jié)果。分類(lèi)器根據(jù)其特征將惡意軟件圖像識(shí)別并分類(lèi)為不同的系列。

    對(duì)于測(cè)序得到的序列信息,首先根據(jù)PE reads之間的Overlap關(guān)系,將Hiseq測(cè)序得到的雙端序列數(shù)據(jù)進(jìn)行拼接以獲得完整的一條序列Tags,同時(shí)對(duì)Reads的質(zhì)量和拼接的效果進(jìn)行質(zhì)控過(guò)濾。之后利用不同軟件進(jìn)行數(shù)據(jù)分析,如QIIME軟件進(jìn)行OTU劃分,基于Silva和UNITE分類(lèi)學(xué)數(shù)據(jù)庫(kù)對(duì)OTU進(jìn)行分類(lèi)學(xué)注釋分析、利用MEGAN軟件分析樣品中所有微生物的進(jìn)化關(guān)系和豐度差異,利用Mothur軟件對(duì)樣品進(jìn)行Alpha多樣性指數(shù)評(píng)估等。

    輸入到CNN中的數(shù)據(jù)集需要統(tǒng)一大小,因此需要對(duì)向量進(jìn)行壓縮。根據(jù)壓縮比例不同,向量特征的保留程度也不同。如圖5所示,三種比例的壓縮都能保持像素向量的基本特征。

    圖5 家族Agent.FYI在三種壓縮比例下的條紋特征

    4 使用XGBoost解決數(shù)據(jù)不平衡問(wèn)題

    利用上述CNN模型將圖片導(dǎo)入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,但訓(xùn)練的結(jié)果與訓(xùn)練數(shù)據(jù)集的質(zhì)量關(guān)系非常大。當(dāng)樣本出現(xiàn)數(shù)據(jù)不平衡的情況時(shí),會(huì)出現(xiàn)過(guò)擬合、低準(zhǔn)確率、低魯棒性的現(xiàn)象。然而由于代碼形成的像素向量之間有邏輯關(guān)系,因此不應(yīng)使用目前常用的旋轉(zhuǎn)、傾斜、切割、拼接等數(shù)據(jù)增強(qiáng)方法。本文引用近年來(lái)在分類(lèi)問(wèn)題上表現(xiàn)良好的XGBoost,通過(guò)對(duì)樣本特征的權(quán)重增強(qiáng)來(lái)防止過(guò)擬合的情況,以提高分類(lèi)準(zhǔn)確率。

    XGBoost算法的思想是不斷地進(jìn)行特征分裂來(lái)生長(zhǎng)一棵樹(shù),每次添加一個(gè)樹(shù),其實(shí)是學(xué)習(xí)一個(gè)新函數(shù),去掉擬合上次預(yù)測(cè)的殘差。當(dāng)訓(xùn)練完成得到k棵樹(shù),要預(yù)測(cè)一個(gè)樣本的分?jǐn)?shù),其實(shí)就是根據(jù)這個(gè)樣本的特征,在每棵樹(shù)中對(duì)應(yīng)到一個(gè)葉子節(jié)點(diǎn),每個(gè)葉子節(jié)點(diǎn)對(duì)應(yīng)一個(gè)分?jǐn)?shù),最后只需將每棵樹(shù)對(duì)應(yīng)的分?jǐn)?shù)加起來(lái),就是該樣本的預(yù)測(cè)值。

    5 結(jié)果評(píng)價(jià)方式

    對(duì)于XGBoost的分類(lèi)結(jié)果評(píng)估,實(shí)驗(yàn)使用Accuracy、Precision、Recall、F1(F1-score)四 個(gè)不同方向的值進(jìn)行評(píng)估精確度。

    式中:是預(yù)測(cè)值,i樣本yi對(duì)應(yīng)的真實(shí)值。

    精度是分類(lèi)器不將陰性樣本標(biāo)記為陽(yáng)性的 能力。

    式中:TP是真實(shí)肯定的數(shù)目,F(xiàn)P是錯(cuò)誤否定的 數(shù)目。

    召回是分類(lèi)器查找所有陽(yáng)性樣本的能力:

    式中:TP是真實(shí)的陽(yáng)性數(shù),F(xiàn)N是錯(cuò)誤的陽(yáng)性數(shù)。

    6 實(shí)驗(yàn)過(guò)程

    表1 CNN結(jié)構(gòu)

    各層功能及設(shè)定如下。

    (1)第一1D CNN層。具有ReLU函數(shù)的卷積層,輸入已經(jīng)預(yù)處理的數(shù)據(jù),即輸入長(zhǎng)度為1000的平面向量。此層使用了100個(gè)維度為3的過(guò)濾器,輸出結(jié)果為卷積后尺寸998×100。

    (2)第二1D CNN層。具有ReLU函數(shù)的卷積層,以第一層的輸出結(jié)果作為輸入。此層定義100個(gè)維度為4的過(guò)濾器,輸出結(jié)果為卷積后的尺寸995×100。

    (3)最大池化層。設(shè)置參數(shù)選擇3,即池化核長(zhǎng)度為3,步長(zhǎng)為3,池化后數(shù)據(jù)長(zhǎng)度為331,輸出為331×100,降低輸出的復(fù)雜性。

    (4)第三1D CNN層。具有ReLU函數(shù)的卷積層,此層使用100個(gè)維度為5的過(guò)濾器,輸出尺寸為327×160。

    (5)第四1D CNN層。具有ReLU函數(shù)的卷積層,此層使用了100個(gè)維度為4的過(guò)濾器,輸出尺寸為324×160。

    (6)平均池化層。為避免再次過(guò)度擬合,每個(gè)特征檢測(cè)器在這一層的神經(jīng)網(wǎng)絡(luò)中僅剩一個(gè)權(quán)重,輸出160個(gè)數(shù)值。

    (7)dropout層。在此層將比例設(shè)定為0.5,因此有一半的神經(jīng)元的權(quán)重為零,輸出160個(gè)數(shù)值。

    (8)全連接層。具有softmax激活函數(shù)的全連接,輸出為25個(gè)數(shù)值,代表25個(gè)家族中每個(gè)家族的概率。

    如圖6所示,實(shí)驗(yàn)設(shè)定了60輪(Epoch)的學(xué)習(xí),學(xué)習(xí)結(jié)果為損失值達(dá)到0.16,精確度達(dá)到0.95。實(shí)驗(yàn)中,觀察每個(gè)家族下的混淆矩陣,發(fā)現(xiàn)第6個(gè)家族、第13個(gè)家族準(zhǔn)確率極低,這是數(shù)據(jù)不平衡帶來(lái)的過(guò)擬合現(xiàn)象,因?yàn)闄C(jī)器將少量的數(shù)據(jù)判斷到錯(cuò)誤的家族,整體準(zhǔn)確率不會(huì)受到非常大的影響。

    圖6 模型精度與損失

    實(shí)驗(yàn)使用了3種方式對(duì)特征進(jìn)行分類(lèi),首先利用softmax函數(shù)對(duì)特征進(jìn)行映射分類(lèi),其次將CNN提取的特征輸入SVM分類(lèi)器進(jìn)行分類(lèi),最后將CNN提取的特征輸入XGBoost分類(lèi)器中分類(lèi)。其中,XGBoost模型的參數(shù)設(shè)置為:

    分類(lèi)結(jié)果的混淆矩陣以及F1-score結(jié)果如圖7所示。

    圖7 分類(lèi)結(jié)果的混淆矩陣以及F1-score結(jié)果

    通過(guò)數(shù)據(jù)比對(duì)可見(jiàn),XGBoost表現(xiàn)明顯優(yōu)于另外兩種分類(lèi)方式,準(zhǔn)確率提升到了97%的同時(shí),數(shù)據(jù)集不平衡帶來(lái)的過(guò)擬合現(xiàn)象有較大的緩解,較少的幾個(gè)家族的預(yù)測(cè)率有所提高。

    7 結(jié)語(yǔ)

    惡意代碼可視化使得對(duì)惡意軟件特征的分析轉(zhuǎn)換為對(duì)圖像紋理特征的分析,而線性惡意代碼可視化既保留了惡意軟件的圖像的特征,又兼顧了條紋間的邏輯關(guān)聯(lián),在使用CNN+XGBoost模型聯(lián)合分類(lèi)檢測(cè)下能達(dá)到97%的準(zhǔn)確率,為以后網(wǎng)絡(luò)安全相關(guān)工作人員對(duì)惡意代碼的檢測(cè)提供了更廣闊的可能性。

    猜你喜歡
    家族可視化像素
    趙運(yùn)哲作品
    藝術(shù)家(2023年8期)2023-11-02 02:05:28
    基于CiteSpace的足三里穴研究可視化分析
    像素前線之“幻影”2000
    基于Power BI的油田注水運(yùn)行動(dòng)態(tài)分析與可視化展示
    云南化工(2021年8期)2021-12-21 06:37:54
    基于CGAL和OpenGL的海底地形三維可視化
    HK家族崛起
    “像素”仙人掌
    “融評(píng)”:黨媒評(píng)論的可視化創(chuàng)新
    《小偷家族》
    電影(2019年3期)2019-04-04 11:57:18
    皿字家族
    久久久欧美国产精品| 精品国产一区二区三区四区第35| 免费看不卡的av| 久久99一区二区三区| 欧美精品一区二区大全| 七月丁香在线播放| 校园人妻丝袜中文字幕| 日韩 亚洲 欧美在线| www.自偷自拍.com| 亚洲av日韩精品久久久久久密 | 国产男女超爽视频在线观看| 亚洲精品视频女| 亚洲av日韩精品久久久久久密 | 国产精品无大码| 又大又黄又爽视频免费| 亚洲成人手机| 亚洲国产精品国产精品| 免费观看av网站的网址| 大码成人一级视频| 久久久久精品性色| 青春草视频在线免费观看| 中文字幕人妻丝袜制服| 777米奇影视久久| 亚洲精品国产av成人精品| 99久久人妻综合| 大香蕉久久网| 国产极品粉嫩免费观看在线| 99久久99久久久精品蜜桃| 午夜精品国产一区二区电影| 伦理电影大哥的女人| 看非洲黑人一级黄片| xxxhd国产人妻xxx| 黑人巨大精品欧美一区二区蜜桃| 欧美最新免费一区二区三区| 一本—道久久a久久精品蜜桃钙片| 大片免费播放器 马上看| 亚洲国产成人一精品久久久| 免费高清在线观看日韩| 各种免费的搞黄视频| 人妻人人澡人人爽人人| 日韩 欧美 亚洲 中文字幕| 免费女性裸体啪啪无遮挡网站| 亚洲国产av影院在线观看| av卡一久久| 久久久久久人妻| 国产在线免费精品| 十分钟在线观看高清视频www| 国语对白做爰xxxⅹ性视频网站| 99久久人妻综合| 久久精品人人爽人人爽视色| 各种免费的搞黄视频| 欧美 亚洲 国产 日韩一| 免费黄频网站在线观看国产| 国产精品 国内视频| 久久久精品94久久精品| 亚洲精品中文字幕在线视频| 中文字幕人妻丝袜一区二区 | 亚洲国产日韩一区二区| 高清不卡的av网站| 亚洲图色成人| 亚洲欧美一区二区三区黑人| 国产片内射在线| 97精品久久久久久久久久精品| av视频免费观看在线观看| 久久久亚洲精品成人影院| 欧美国产精品一级二级三级| 国产精品一区二区精品视频观看| 久久精品国产a三级三级三级| 日本欧美视频一区| 老汉色av国产亚洲站长工具| 高清黄色对白视频在线免费看| 又大又黄又爽视频免费| 国产精品熟女久久久久浪| 巨乳人妻的诱惑在线观看| 欧美xxⅹ黑人| 国产一区二区 视频在线| 黄网站色视频无遮挡免费观看| 免费看不卡的av| 一区二区三区精品91| 国产一区二区 视频在线| 亚洲精品国产区一区二| www.av在线官网国产| 99香蕉大伊视频| 美女福利国产在线| 精品视频人人做人人爽| 国产精品 国内视频| 欧美精品高潮呻吟av久久| 丝袜美腿诱惑在线| 国产精品欧美亚洲77777| 水蜜桃什么品种好| 亚洲国产日韩一区二区| 国产精品秋霞免费鲁丝片| 99九九在线精品视频| 精品人妻一区二区三区麻豆| 精品福利永久在线观看| 午夜免费鲁丝| 蜜桃国产av成人99| 丝袜美腿诱惑在线| 久久午夜综合久久蜜桃| 亚洲美女搞黄在线观看| 精品国产乱码久久久久久男人| 国产精品人妻久久久影院| 国产片特级美女逼逼视频| 在线观看免费视频网站a站| 久久久亚洲精品成人影院| 欧美精品av麻豆av| 亚洲专区中文字幕在线 | 免费观看性生交大片5| 中文字幕制服av| 夫妻性生交免费视频一级片| www.精华液| 一级黄片播放器| 在线精品无人区一区二区三| 成人国产av品久久久| 国产高清不卡午夜福利| 亚洲av福利一区| 国产精品99久久99久久久不卡 | 嫩草影院入口| 亚洲国产毛片av蜜桃av| 只有这里有精品99| 亚洲,一卡二卡三卡| 亚洲伊人色综图| 99国产精品免费福利视频| 黄频高清免费视频| 欧美精品av麻豆av| 999久久久国产精品视频| 午夜福利,免费看| 日韩一本色道免费dvd| 日韩av免费高清视频| 国产免费视频播放在线视频| 精品卡一卡二卡四卡免费| 男女免费视频国产| 亚洲激情五月婷婷啪啪| 日日撸夜夜添| 精品第一国产精品| 国产精品嫩草影院av在线观看| 婷婷色av中文字幕| 国产色婷婷99| 国产在线免费精品| 一级片免费观看大全| 精品久久久久久电影网| 国产视频首页在线观看| netflix在线观看网站| 激情视频va一区二区三区| 欧美av亚洲av综合av国产av | 一级毛片 在线播放| 青春草亚洲视频在线观看| 咕卡用的链子| 国产爽快片一区二区三区| 国产毛片在线视频| 久久女婷五月综合色啪小说| 亚洲熟女毛片儿| 晚上一个人看的免费电影| 天天影视国产精品| 女性生殖器流出的白浆| 婷婷色麻豆天堂久久| 免费不卡黄色视频| 久久国产亚洲av麻豆专区| 国产一级毛片在线| 男女下面插进去视频免费观看| 伦理电影免费视频| 国产亚洲精品第一综合不卡| 一区二区三区精品91| 嫩草影院入口| 午夜福利乱码中文字幕| 久久精品久久久久久噜噜老黄| 欧美 亚洲 国产 日韩一| 亚洲欧美成人精品一区二区| 中文字幕色久视频| 晚上一个人看的免费电影| av.在线天堂| 国产高清国产精品国产三级| 精品亚洲乱码少妇综合久久| av在线观看视频网站免费| 嫩草影院入口| 国产av一区二区精品久久| 最黄视频免费看| 亚洲四区av| 尾随美女入室| 2018国产大陆天天弄谢| 亚洲精品国产区一区二| 久久久久久久久久久久大奶| 多毛熟女@视频| 校园人妻丝袜中文字幕| 日本色播在线视频| 女人精品久久久久毛片| 久久精品久久精品一区二区三区| 美女国产高潮福利片在线看| 丝瓜视频免费看黄片| 1024香蕉在线观看| 高清黄色对白视频在线免费看| 亚洲av男天堂| 亚洲精品av麻豆狂野| 日韩中文字幕欧美一区二区 | 亚洲av成人不卡在线观看播放网 | 超碰成人久久| 考比视频在线观看| 中国三级夫妇交换| 中文字幕亚洲精品专区| 这个男人来自地球电影免费观看 | 色精品久久人妻99蜜桃| 一本久久精品| 在线精品无人区一区二区三| 国产精品 欧美亚洲| 久久人人97超碰香蕉20202| 天天操日日干夜夜撸| 久久久久久久精品精品| 国产又爽黄色视频| 日韩一卡2卡3卡4卡2021年| 国产精品免费视频内射| 国产熟女欧美一区二区| 久久青草综合色| 在线 av 中文字幕| 三上悠亚av全集在线观看| 天堂中文最新版在线下载| 日本av手机在线免费观看| 国产一区有黄有色的免费视频| a级毛片在线看网站| 嫩草影院入口| 国产一区二区三区综合在线观看| 久久久久精品国产欧美久久久 | 99久久99久久久精品蜜桃| 国产又色又爽无遮挡免| av网站在线播放免费| 在线亚洲精品国产二区图片欧美| 免费高清在线观看视频在线观看| 女人爽到高潮嗷嗷叫在线视频| 欧美老熟妇乱子伦牲交| 大片电影免费在线观看免费| 国产日韩欧美亚洲二区| 最黄视频免费看| 欧美精品亚洲一区二区| 色94色欧美一区二区| 久久久久精品国产欧美久久久 | 亚洲自偷自拍图片 自拍| 国产毛片在线视频| 久久久精品94久久精品| 亚洲国产看品久久| 成人国语在线视频| 人人妻,人人澡人人爽秒播 | 777米奇影视久久| 国产精品蜜桃在线观看| av在线观看视频网站免费| 欧美 亚洲 国产 日韩一| 九草在线视频观看| 丰满迷人的少妇在线观看| 自线自在国产av| 久久久久久久久久久免费av| 国产色婷婷99| 亚洲精品美女久久久久99蜜臀 | 人妻一区二区av| 老鸭窝网址在线观看| 欧美精品av麻豆av| 久久婷婷青草| 又大又黄又爽视频免费| 看免费av毛片| 久久99精品国语久久久| 免费在线观看黄色视频的| 久久久久人妻精品一区果冻| 日韩视频在线欧美| 女人精品久久久久毛片| 如何舔出高潮| 久久性视频一级片| 侵犯人妻中文字幕一二三四区| 美女脱内裤让男人舔精品视频| 黄色怎么调成土黄色| 美女中出高潮动态图| 69精品国产乱码久久久| 亚洲成人一二三区av| 伊人亚洲综合成人网| 久久精品国产综合久久久| 尾随美女入室| 制服人妻中文乱码| 国产淫语在线视频| av又黄又爽大尺度在线免费看| 午夜精品国产一区二区电影| 国产熟女午夜一区二区三区| 精品国产超薄肉色丝袜足j| 中文天堂在线官网| 国产精品嫩草影院av在线观看| 90打野战视频偷拍视频| 国产成人免费无遮挡视频| 免费看不卡的av| 一级片'在线观看视频| 极品少妇高潮喷水抽搐| 精品一区二区免费观看| 久久久久久人妻| 久久性视频一级片| 少妇人妻精品综合一区二区| 纵有疾风起免费观看全集完整版| 老司机深夜福利视频在线观看 | 人人妻,人人澡人人爽秒播 | 免费av中文字幕在线| 丝袜喷水一区| 性少妇av在线| 国产深夜福利视频在线观看| 人人妻人人澡人人看| 一区二区三区激情视频| 亚洲精品久久久久久婷婷小说| 女性被躁到高潮视频| 欧美日韩亚洲综合一区二区三区_| av国产精品久久久久影院| 欧美老熟妇乱子伦牲交| 成人18禁高潮啪啪吃奶动态图| 亚洲国产看品久久| 午夜激情久久久久久久| 男人添女人高潮全过程视频| 日韩大片免费观看网站| 国产野战对白在线观看| 性少妇av在线| av在线app专区| 美女主播在线视频| 老司机靠b影院| 婷婷色麻豆天堂久久| 亚洲欧美中文字幕日韩二区| 精品免费久久久久久久清纯 | 国产精品麻豆人妻色哟哟久久| bbb黄色大片| 热re99久久精品国产66热6| 色精品久久人妻99蜜桃| 久久久久国产精品人妻一区二区| 一级片免费观看大全| 亚洲国产最新在线播放| 国产日韩欧美在线精品| 欧美日韩综合久久久久久| 亚洲,欧美精品.| 亚洲一卡2卡3卡4卡5卡精品中文| av国产精品久久久久影院| 亚洲精华国产精华液的使用体验| 久久久久精品国产欧美久久久 | 99久久99久久久精品蜜桃| 精品酒店卫生间| 青青草视频在线视频观看| 久久毛片免费看一区二区三区| 国产男人的电影天堂91| 波多野结衣av一区二区av| 少妇人妻久久综合中文| 丝瓜视频免费看黄片| 国产欧美日韩综合在线一区二区| 免费黄网站久久成人精品| 最黄视频免费看| 悠悠久久av| 91国产中文字幕| 麻豆精品久久久久久蜜桃| 久久久亚洲精品成人影院| 9热在线视频观看99| 亚洲一码二码三码区别大吗| 中文乱码字字幕精品一区二区三区| 精品国产乱码久久久久久男人| 9191精品国产免费久久| 叶爱在线成人免费视频播放| 一级毛片 在线播放| 国产精品久久久久久精品古装| 国产精品国产三级专区第一集| 亚洲精品第二区| 久久天躁狠狠躁夜夜2o2o | 少妇被粗大的猛进出69影院| 亚洲一码二码三码区别大吗| 又黄又粗又硬又大视频| 最近中文字幕2019免费版| 丝袜美足系列| 欧美激情高清一区二区三区 | kizo精华| 亚洲欧洲精品一区二区精品久久久 | 国产在线视频一区二区| 免费观看性生交大片5| 十八禁网站网址无遮挡| av在线播放精品| 18禁国产床啪视频网站| av天堂久久9| 久久毛片免费看一区二区三区| 男女高潮啪啪啪动态图| 欧美老熟妇乱子伦牲交| 久久99热这里只频精品6学生| 人妻一区二区av| 国产成人av激情在线播放| 91精品三级在线观看| 亚洲精品久久午夜乱码| av有码第一页| 丝袜美足系列| 欧美黄色片欧美黄色片| av网站在线播放免费| 国产在视频线精品| 人妻人人澡人人爽人人| 国产精品香港三级国产av潘金莲 | 免费在线观看完整版高清| 日韩大片免费观看网站| 丝袜脚勾引网站| 精品一区二区免费观看| 精品少妇一区二区三区视频日本电影 | 日本黄色日本黄色录像| av又黄又爽大尺度在线免费看| 飞空精品影院首页| 亚洲成人av在线免费| www.熟女人妻精品国产| 蜜桃国产av成人99| 色94色欧美一区二区| 国产激情久久老熟女| 久久久久久久大尺度免费视频| 中文天堂在线官网| av国产久精品久网站免费入址| 另类亚洲欧美激情| 日韩av在线免费看完整版不卡| 国产免费一区二区三区四区乱码| 国产又色又爽无遮挡免| 成人国产av品久久久| 亚洲人成网站在线观看播放| 日韩人妻精品一区2区三区| 国产免费一区二区三区四区乱码| 18禁国产床啪视频网站| 少妇的丰满在线观看| 美女视频免费永久观看网站| 日韩人妻精品一区2区三区| 97精品久久久久久久久久精品| 十八禁人妻一区二区| 亚洲成人一二三区av| 最黄视频免费看| av线在线观看网站| 国产一区亚洲一区在线观看| 在线观看免费视频网站a站| 国产视频首页在线观看| 看免费成人av毛片| 一本久久精品| 日韩一本色道免费dvd| 韩国高清视频一区二区三区| 国产极品粉嫩免费观看在线| 少妇精品久久久久久久| 国产精品三级大全| 亚洲在久久综合| 中文字幕av电影在线播放| 国产免费现黄频在线看| 2021少妇久久久久久久久久久| 欧美精品一区二区大全| 久久久久久免费高清国产稀缺| 少妇被粗大猛烈的视频| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲精品国产一区二区精华液| 国产午夜精品一二区理论片| 亚洲色图综合在线观看| 美女脱内裤让男人舔精品视频| 国产片特级美女逼逼视频| 国产黄色免费在线视频| 欧美 日韩 精品 国产| 日韩一卡2卡3卡4卡2021年| 中文字幕色久视频| 十八禁人妻一区二区| 国产老妇伦熟女老妇高清| 亚洲av电影在线进入| av国产精品久久久久影院| 午夜免费观看性视频| 狂野欧美激情性xxxx| 多毛熟女@视频| 亚洲第一av免费看| 亚洲国产欧美在线一区| 国产精品香港三级国产av潘金莲 | 久久久久视频综合| 天天躁夜夜躁狠狠躁躁| 日本午夜av视频| 麻豆乱淫一区二区| 精品福利永久在线观看| 日韩免费高清中文字幕av| 性高湖久久久久久久久免费观看| av网站在线播放免费| 亚洲情色 制服丝袜| 欧美97在线视频| 成人国产av品久久久| 黑人欧美特级aaaaaa片| 日韩电影二区| 女人精品久久久久毛片| 久久久久久久国产电影| 男人操女人黄网站| 日韩一区二区三区影片| 国产精品久久久久久人妻精品电影 | 亚洲精品第二区| 亚洲一卡2卡3卡4卡5卡精品中文| 人人妻,人人澡人人爽秒播 | 卡戴珊不雅视频在线播放| 久久人妻熟女aⅴ| 国产亚洲av高清不卡| 日韩伦理黄色片| 国产精品麻豆人妻色哟哟久久| av一本久久久久| 国产一区二区激情短视频 | 大片免费播放器 马上看| 亚洲国产精品一区二区三区在线| 在线观看www视频免费| 菩萨蛮人人尽说江南好唐韦庄| 美女中出高潮动态图| 91老司机精品| 欧美激情高清一区二区三区 | 一区二区av电影网| 国产淫语在线视频| av国产精品久久久久影院| 欧美激情高清一区二区三区 | 国产精品秋霞免费鲁丝片| 久久狼人影院| 亚洲,一卡二卡三卡| 你懂的网址亚洲精品在线观看| 久久人人爽av亚洲精品天堂| 久久精品人人爽人人爽视色| 9热在线视频观看99| 午夜av观看不卡| 久久久国产欧美日韩av| 亚洲国产精品一区三区| 叶爱在线成人免费视频播放| 少妇人妻精品综合一区二区| 亚洲欧美成人综合另类久久久| 欧美在线黄色| 久久青草综合色| 欧美最新免费一区二区三区| 少妇 在线观看| 在线观看免费午夜福利视频| 精品国产一区二区三区四区第35| 日本爱情动作片www.在线观看| av.在线天堂| 国产精品一二三区在线看| 性少妇av在线| 国产一卡二卡三卡精品 | 国产日韩欧美视频二区| 这个男人来自地球电影免费观看 | 在线看a的网站| 老司机亚洲免费影院| 久久99一区二区三区| 欧美国产精品va在线观看不卡| 亚洲在久久综合| 人人澡人人妻人| 久久久欧美国产精品| 精品一区在线观看国产| 1024香蕉在线观看| 成人影院久久| 亚洲第一青青草原| 亚洲av电影在线观看一区二区三区| 18禁国产床啪视频网站| 中国国产av一级| 久久久久精品人妻al黑| 五月天丁香电影| 国产熟女午夜一区二区三区| 久久狼人影院| 91精品伊人久久大香线蕉| 久久免费观看电影| 伊人久久国产一区二区| 精品第一国产精品| 黄频高清免费视频| 如何舔出高潮| 美女扒开内裤让男人捅视频| 女性生殖器流出的白浆| 免费黄色在线免费观看| av片东京热男人的天堂| 国产成人一区二区在线| 2021少妇久久久久久久久久久| 亚洲色图 男人天堂 中文字幕| 日本欧美视频一区| 日日爽夜夜爽网站| 男的添女的下面高潮视频| 久久久久久人妻| 亚洲精品国产色婷婷电影| 人人妻人人澡人人爽人人夜夜| 亚洲五月色婷婷综合| 亚洲伊人久久精品综合| 国产毛片在线视频| 免费日韩欧美在线观看| 美女主播在线视频| 两个人免费观看高清视频| 王馨瑶露胸无遮挡在线观看| 免费高清在线观看视频在线观看| 无遮挡黄片免费观看| 两个人看的免费小视频| 肉色欧美久久久久久久蜜桃| 欧美成人精品欧美一级黄| 欧美日韩亚洲国产一区二区在线观看 | 男的添女的下面高潮视频| 99久久99久久久精品蜜桃| 看免费成人av毛片| 99久久综合免费| 99精国产麻豆久久婷婷| 欧美乱码精品一区二区三区| 亚洲七黄色美女视频| 黄色视频在线播放观看不卡| 亚洲精品日韩在线中文字幕| 在线观看www视频免费| 美女主播在线视频| 亚洲图色成人| 丰满乱子伦码专区| 叶爱在线成人免费视频播放| 美女视频免费永久观看网站| √禁漫天堂资源中文www| 国产av精品麻豆| 老汉色∧v一级毛片| 日韩av免费高清视频| 老司机影院毛片| 免费看av在线观看网站| 亚洲精品国产一区二区精华液| 国产精品一区二区在线观看99| 黄色视频在线播放观看不卡| 七月丁香在线播放| 日韩,欧美,国产一区二区三区| 一级a爱视频在线免费观看| 精品一区二区免费观看| 99re6热这里在线精品视频| 成年人午夜在线观看视频| 亚洲av成人精品一二三区| 国产毛片在线视频| 欧美日韩av久久| 一级毛片 在线播放| 国产午夜精品一二区理论片| 日本爱情动作片www.在线观看| 美女脱内裤让男人舔精品视频| 国产熟女午夜一区二区三区| 久久久精品区二区三区| 亚洲欧洲国产日韩| 免费黄频网站在线观看国产| 久久久国产一区二区| 巨乳人妻的诱惑在线观看| 亚洲av福利一区| 美女国产高潮福利片在线看|