• <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
    色噜噜av男人的天堂激情| 制服人妻中文乱码| 日本精品一区二区三区蜜桃| 成人高潮视频无遮挡免费网站| 欧美另类亚洲清纯唯美| 偷拍熟女少妇极品色| 日韩成人在线观看一区二区三区| 在线十欧美十亚洲十日本专区| 女人被狂操c到高潮| 久久久久久国产a免费观看| 亚洲中文字幕一区二区三区有码在线看| 尤物成人国产欧美一区二区三区| av女优亚洲男人天堂| 51午夜福利影视在线观看| 九九热线精品视视频播放| 香蕉av资源在线| 国产高清激情床上av| 婷婷六月久久综合丁香| 国产av在哪里看| 国产精品亚洲美女久久久| 国产高清videossex| 蜜桃久久精品国产亚洲av| 美女高潮的动态| av女优亚洲男人天堂| 十八禁人妻一区二区| 久久久色成人| 狂野欧美白嫩少妇大欣赏| 欧美国产日韩亚洲一区| 免费人成在线观看视频色| 成人永久免费在线观看视频| 欧美最黄视频在线播放免费| 亚洲天堂国产精品一区在线| 51国产日韩欧美| av在线天堂中文字幕| 岛国视频午夜一区免费看| 草草在线视频免费看| 男女午夜视频在线观看| 大型黄色视频在线免费观看| 精品久久久久久久人妻蜜臀av| 一级黄片播放器| 亚洲成人久久爱视频| 免费人成视频x8x8入口观看| 舔av片在线| 叶爱在线成人免费视频播放| 88av欧美| 一a级毛片在线观看| 精品不卡国产一区二区三区| 成人精品一区二区免费| 又爽又黄无遮挡网站| 夜夜夜夜夜久久久久| 久久精品91无色码中文字幕| 午夜亚洲福利在线播放| 天天添夜夜摸| 亚洲美女视频黄频| 麻豆久久精品国产亚洲av| 精品久久久久久久久久免费视频| 午夜精品久久久久久毛片777| 亚洲无线在线观看| 婷婷六月久久综合丁香| ponron亚洲| 国产精品国产高清国产av| 制服人妻中文乱码| 国产亚洲欧美98| 亚洲人与动物交配视频| 亚洲av日韩精品久久久久久密| 无遮挡黄片免费观看| 国产亚洲精品一区二区www| 成人一区二区视频在线观看| 亚洲av成人精品一区久久| 欧美日韩福利视频一区二区| 国产精品 国内视频| 久久天躁狠狠躁夜夜2o2o| 久久精品综合一区二区三区| www.999成人在线观看| 久久久久久人人人人人| 国产乱人伦免费视频| 国产精品一区二区免费欧美| 成年免费大片在线观看| 精品欧美国产一区二区三| 九九热线精品视视频播放| 亚洲内射少妇av| 国产三级黄色录像| 日韩成人在线观看一区二区三区| ponron亚洲| 成人高潮视频无遮挡免费网站| 免费人成在线观看视频色| 久久久久精品国产欧美久久久| 色av中文字幕| 国产高清三级在线| 天堂影院成人在线观看| 精品久久久久久成人av| 蜜桃久久精品国产亚洲av| 国产v大片淫在线免费观看| 熟女少妇亚洲综合色aaa.| 在线看三级毛片| 日本黄色片子视频| 亚洲欧美日韩高清专用| 18禁美女被吸乳视频| 丰满乱子伦码专区| 国产国拍精品亚洲av在线观看 | 9191精品国产免费久久| 级片在线观看| 99久久成人亚洲精品观看| 在线播放国产精品三级| 99久久精品国产亚洲精品| 夜夜爽天天搞| 亚洲,欧美精品.| 国产野战对白在线观看| 欧美一区二区精品小视频在线| 又黄又粗又硬又大视频| 国产成+人综合+亚洲专区| 欧美日韩精品网址| 老熟妇乱子伦视频在线观看| h日本视频在线播放| 欧美精品啪啪一区二区三区| 91在线观看av| 免费一级毛片在线播放高清视频| 国产精品电影一区二区三区| 国产激情欧美一区二区| 夜夜躁狠狠躁天天躁| 最近最新中文字幕大全电影3| 国产精品永久免费网站| 精品一区二区三区av网在线观看| 色视频www国产| 色av中文字幕| 亚洲欧美日韩高清在线视频| 国产欧美日韩精品一区二区| 免费在线观看日本一区| 国产色婷婷99| 国产亚洲精品综合一区在线观看| 人人妻人人看人人澡| 国产亚洲精品av在线| 国产午夜精品论理片| 无限看片的www在线观看| 男女那种视频在线观看| 国产伦在线观看视频一区| 国产色爽女视频免费观看| 色播亚洲综合网| 男女做爰动态图高潮gif福利片| 国产精品久久久久久亚洲av鲁大| 两个人的视频大全免费| 国产精品综合久久久久久久免费| 日韩免费av在线播放| 日韩免费av在线播放| 亚洲精品在线美女| 国内精品美女久久久久久| 精品一区二区三区人妻视频| 午夜福利在线观看免费完整高清在 | 免费电影在线观看免费观看| 国产一区在线观看成人免费| avwww免费| 精品乱码久久久久久99久播| 男女床上黄色一级片免费看| 亚洲精品美女久久久久99蜜臀| 色噜噜av男人的天堂激情| 国内揄拍国产精品人妻在线| 精品国产美女av久久久久小说| www日本黄色视频网| 九九久久精品国产亚洲av麻豆| 欧美黑人欧美精品刺激| 国产精品三级大全| 黄色视频,在线免费观看| 一边摸一边抽搐一进一小说| 免费观看的影片在线观看| 99精品久久久久人妻精品| 国产美女午夜福利| 非洲黑人性xxxx精品又粗又长| 91麻豆av在线| 成年女人毛片免费观看观看9| 又爽又黄无遮挡网站| 欧美中文综合在线视频| 婷婷丁香在线五月| 欧美中文综合在线视频| 看免费av毛片| 中文资源天堂在线| 身体一侧抽搐| 丁香欧美五月| 深夜精品福利| 日本 欧美在线| 中出人妻视频一区二区| 国产成人a区在线观看| 国内精品一区二区在线观看| 久久久久久九九精品二区国产| 他把我摸到了高潮在线观看| 久久6这里有精品| 欧美色视频一区免费| 婷婷丁香在线五月| 美女被艹到高潮喷水动态| www日本在线高清视频| 一区二区三区高清视频在线| 男女午夜视频在线观看| 宅男免费午夜| 国产高清有码在线观看视频| 男人的好看免费观看在线视频| 欧美日韩福利视频一区二区| 欧美国产日韩亚洲一区| 欧美日本视频| av中文乱码字幕在线| 国产精品三级大全| 午夜激情欧美在线| 日本在线视频免费播放| 亚洲成av人片在线播放无| 变态另类成人亚洲欧美熟女| 欧美av亚洲av综合av国产av| 亚洲精品色激情综合| 香蕉丝袜av| 午夜福利视频1000在线观看| av片东京热男人的天堂| 尤物成人国产欧美一区二区三区| 男女之事视频高清在线观看| 最近最新免费中文字幕在线| 老司机午夜十八禁免费视频| 日韩欧美国产在线观看| 日韩精品中文字幕看吧| 亚洲自拍偷在线| 国产精品日韩av在线免费观看| 最近最新中文字幕大全免费视频| 一级黄片播放器| 亚洲在线观看片| 亚洲色图av天堂| 人人妻人人澡欧美一区二区| 97超视频在线观看视频| 岛国在线免费视频观看| 国产成人aa在线观看| 久久人妻av系列| 夜夜看夜夜爽夜夜摸| 亚洲熟妇中文字幕五十中出| 日韩有码中文字幕| 性欧美人与动物交配| 一区二区三区国产精品乱码| 夜夜看夜夜爽夜夜摸| 国产高清激情床上av| 日本免费a在线| 亚洲第一欧美日韩一区二区三区| 日日摸夜夜添夜夜添小说| 中文亚洲av片在线观看爽| 午夜影院日韩av| 黄片小视频在线播放| 亚洲精品久久国产高清桃花| 51国产日韩欧美| 亚洲久久久久久中文字幕| 中文字幕久久专区| 日本黄大片高清| 搡女人真爽免费视频火全软件 | 黄色女人牲交| 长腿黑丝高跟| 一夜夜www| 一级作爱视频免费观看| 国产高清videossex| 在线十欧美十亚洲十日本专区| 婷婷精品国产亚洲av在线| 亚洲激情在线av| 国产精品国产高清国产av| 一进一出抽搐动态| 国产99白浆流出| 国产精品影院久久| 热99在线观看视频| 欧美av亚洲av综合av国产av| 国产精品久久久久久精品电影| 午夜福利在线在线| 我的老师免费观看完整版| 亚洲不卡免费看| 日本在线视频免费播放| 国产精品一区二区免费欧美| 日日摸夜夜添夜夜添小说| 欧美+日韩+精品| 免费无遮挡裸体视频| 亚洲中文字幕一区二区三区有码在线看| 999久久久精品免费观看国产| av中文乱码字幕在线| 久久精品国产亚洲av香蕉五月| 国产精品久久久久久精品电影| 琪琪午夜伦伦电影理论片6080| 欧美xxxx黑人xx丫x性爽| 久久午夜亚洲精品久久| 免费看美女性在线毛片视频| 99精品在免费线老司机午夜| 高潮久久久久久久久久久不卡| 蜜桃亚洲精品一区二区三区| 国内久久婷婷六月综合欲色啪| 淫妇啪啪啪对白视频| 中文字幕av在线有码专区| 欧美日韩精品网址| 国产高潮美女av| av中文乱码字幕在线| 日韩欧美三级三区| 国产精品女同一区二区软件 | 少妇熟女aⅴ在线视频| 国产精品久久久人人做人人爽| 三级毛片av免费| 日本成人三级电影网站| 在线观看美女被高潮喷水网站 | 搡老熟女国产l中国老女人| 久久精品夜夜夜夜夜久久蜜豆| 亚洲人与动物交配视频| 在线天堂最新版资源| 一个人观看的视频www高清免费观看| 国产激情欧美一区二区| 日韩欧美一区二区三区在线观看| 久久草成人影院| 在线国产一区二区在线| 波多野结衣巨乳人妻| 一个人观看的视频www高清免费观看| 偷拍熟女少妇极品色| 久久久久久久午夜电影| 听说在线观看完整版免费高清| 亚洲欧美一区二区三区黑人| 免费电影在线观看免费观看| 一进一出抽搐gif免费好疼| 身体一侧抽搐| www.色视频.com| 欧美在线一区亚洲| 国产精华一区二区三区| 国产亚洲av嫩草精品影院| 精品久久久久久久久久久久久| 婷婷亚洲欧美| 一级a爱片免费观看的视频| 一个人免费在线观看电影| 亚洲av免费高清在线观看| 亚洲人成网站在线播| 久久久久国产精品人妻aⅴ院| 亚洲成人久久性| 久久精品夜夜夜夜夜久久蜜豆| 日本免费a在线| 99久久精品国产亚洲精品| 一区二区三区国产精品乱码| 亚洲成人免费电影在线观看| 欧美午夜高清在线| 国产精品 国内视频| 久久草成人影院| 亚洲av五月六月丁香网| 国产三级在线视频| 丰满人妻一区二区三区视频av | 90打野战视频偷拍视频| 禁无遮挡网站| 国内久久婷婷六月综合欲色啪| 免费看光身美女| 日韩精品青青久久久久久| 亚洲精品色激情综合| 亚洲内射少妇av| 国产精品久久视频播放| 在线免费观看不下载黄p国产 | 免费观看的影片在线观看| 成人亚洲精品av一区二区| 伊人久久大香线蕉亚洲五| 日本一二三区视频观看| 婷婷精品国产亚洲av| 免费观看人在逋| 亚洲中文日韩欧美视频| 亚洲国产欧美人成| 精品国内亚洲2022精品成人| 亚洲精品色激情综合| 午夜久久久久精精品| 日韩成人在线观看一区二区三区| 欧美丝袜亚洲另类 | 亚洲va日本ⅴa欧美va伊人久久| 亚洲国产欧洲综合997久久,| 国内久久婷婷六月综合欲色啪| 亚洲乱码一区二区免费版| 国产真实乱freesex| 国产精品久久久久久久电影 | 我的老师免费观看完整版| 十八禁人妻一区二区| 天天一区二区日本电影三级| 天美传媒精品一区二区| 亚洲一区二区三区不卡视频| 国产精品自产拍在线观看55亚洲| 国产av麻豆久久久久久久| 男女下面进入的视频免费午夜| 少妇的丰满在线观看| 婷婷精品国产亚洲av在线| 久久久国产成人免费| 动漫黄色视频在线观看| 禁无遮挡网站| 我的老师免费观看完整版| 国产亚洲av嫩草精品影院| 亚洲中文字幕日韩| 国产成人影院久久av| 老司机在亚洲福利影院| 夜夜爽天天搞| 国产乱人伦免费视频| 国产伦人伦偷精品视频| 无限看片的www在线观看| 90打野战视频偷拍视频| 亚洲成av人片在线播放无| 亚洲国产欧美人成| 亚洲中文日韩欧美视频| 黄色视频,在线免费观看| 看黄色毛片网站| 久久久国产精品麻豆| 欧美最黄视频在线播放免费| 哪里可以看免费的av片| 人妻丰满熟妇av一区二区三区| 国产精品,欧美在线| 国产av一区在线观看免费| 男女下面进入的视频免费午夜| 亚洲av不卡在线观看| 久久人人精品亚洲av| xxxwww97欧美| 午夜福利18| 国产中年淑女户外野战色| 欧美一区二区精品小视频在线| 国产亚洲精品久久久com| 在线观看免费视频日本深夜| 免费看十八禁软件| 九九在线视频观看精品| 禁无遮挡网站| 一进一出抽搐gif免费好疼| 熟女人妻精品中文字幕| 日本成人三级电影网站| 免费看美女性在线毛片视频| 在线观看舔阴道视频| 国产一区二区亚洲精品在线观看| 免费人成在线观看视频色| 国产高清视频在线观看网站| 高清在线国产一区| 国产男靠女视频免费网站| 国产亚洲av嫩草精品影院| 欧美日韩黄片免| 欧美激情在线99| 免费在线观看日本一区| 国产成年人精品一区二区| 国产精品一区二区免费欧美| 十八禁网站免费在线| 黑人欧美特级aaaaaa片| 国产av不卡久久| 成人一区二区视频在线观看| 长腿黑丝高跟| 精品久久久久久久人妻蜜臀av| 国产av不卡久久| 99久久精品一区二区三区| 亚洲国产欧美人成| 老鸭窝网址在线观看| 岛国在线观看网站| 国产黄色小视频在线观看| 亚洲国产日韩欧美精品在线观看 | 又黄又粗又硬又大视频| 日日干狠狠操夜夜爽| 国产探花极品一区二区| 在线观看美女被高潮喷水网站 | 欧美日韩综合久久久久久 | 99精品欧美一区二区三区四区| 男女那种视频在线观看| 亚洲精品粉嫩美女一区| 亚洲国产欧美网| av在线天堂中文字幕| 久久精品国产亚洲av涩爱 | 欧美一级毛片孕妇| 99久国产av精品| 亚洲美女黄片视频| 成人18禁在线播放| 日韩欧美三级三区| 亚洲中文日韩欧美视频| av视频在线观看入口| 在线观看66精品国产| 亚洲五月婷婷丁香| 中文字幕av成人在线电影| 老司机午夜十八禁免费视频| 一a级毛片在线观看| 亚洲国产中文字幕在线视频| 欧美黑人欧美精品刺激| 久久久久久久久中文| 我要搜黄色片| 在线a可以看的网站| 成年人黄色毛片网站| 此物有八面人人有两片| 99久久综合精品五月天人人| 国产精品久久久人人做人人爽| 午夜精品一区二区三区免费看| 国产精品爽爽va在线观看网站| 欧美乱码精品一区二区三区| 欧美在线一区亚洲| 不卡一级毛片| 热99re8久久精品国产| 亚洲国产精品sss在线观看| 蜜桃久久精品国产亚洲av| 高清日韩中文字幕在线| 免费一级毛片在线播放高清视频| 一个人免费在线观看电影| 久久国产精品影院| 99精品久久久久人妻精品| 神马国产精品三级电影在线观看| 特大巨黑吊av在线直播| 国产精品,欧美在线| 美女被艹到高潮喷水动态| 听说在线观看完整版免费高清| 岛国在线观看网站| 真人一进一出gif抽搐免费| 日韩欧美国产一区二区入口| 欧美成人免费av一区二区三区| 国产精品一及| 一区二区三区国产精品乱码| 亚洲aⅴ乱码一区二区在线播放| 99视频精品全部免费 在线| 成人av在线播放网站| 久久人人精品亚洲av| 99久久成人亚洲精品观看| 天堂√8在线中文| 又黄又粗又硬又大视频| 男人的好看免费观看在线视频| 国产高潮美女av| 中出人妻视频一区二区| 高清日韩中文字幕在线| 中文字幕高清在线视频| 亚洲黑人精品在线| ponron亚洲| 首页视频小说图片口味搜索| 免费电影在线观看免费观看| netflix在线观看网站| 69av精品久久久久久| 精品国产亚洲在线| 国产97色在线日韩免费| 精品国产美女av久久久久小说| a级一级毛片免费在线观看| 女人十人毛片免费观看3o分钟| 国产精品亚洲一级av第二区| bbb黄色大片| 日韩成人在线观看一区二区三区| 国产 一区 欧美 日韩| 久久久久久大精品| 757午夜福利合集在线观看| 国产亚洲精品久久久com| 欧美日本亚洲视频在线播放| 99久久成人亚洲精品观看| 90打野战视频偷拍视频| 波野结衣二区三区在线 | 免费av不卡在线播放| 亚洲av免费高清在线观看| 村上凉子中文字幕在线| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 一二三四社区在线视频社区8| 香蕉久久夜色| 性色avwww在线观看| 欧美+亚洲+日韩+国产| 亚洲av电影不卡..在线观看| 亚洲国产欧洲综合997久久,| 成人永久免费在线观看视频| 久久久久九九精品影院| 午夜福利在线在线| 黄色丝袜av网址大全| 亚洲狠狠婷婷综合久久图片| 欧美日韩综合久久久久久 | 成人特级av手机在线观看| 老熟妇乱子伦视频在线观看| 女警被强在线播放| av国产免费在线观看| 脱女人内裤的视频| 天美传媒精品一区二区| 成人特级黄色片久久久久久久| 欧美丝袜亚洲另类 | 亚洲精品一区av在线观看| 内地一区二区视频在线| 久久精品综合一区二区三区| 亚洲专区国产一区二区| 操出白浆在线播放| 男女做爰动态图高潮gif福利片| 波多野结衣巨乳人妻| 久久亚洲真实| 嫩草影视91久久| svipshipincom国产片| 欧美一区二区国产精品久久精品| 少妇高潮的动态图| 女警被强在线播放| 国内揄拍国产精品人妻在线| 看黄色毛片网站| 一区二区三区免费毛片| 欧美日本亚洲视频在线播放| 老师上课跳d突然被开到最大视频 久久午夜综合久久蜜桃 | 俄罗斯特黄特色一大片| 亚洲电影在线观看av| 欧美丝袜亚洲另类 | 免费av不卡在线播放| 国内精品久久久久久久电影| 91麻豆精品激情在线观看国产| netflix在线观看网站| 一本久久中文字幕| 日韩欧美精品v在线| 国产成人a区在线观看| 天美传媒精品一区二区| 免费在线观看影片大全网站| 亚洲不卡免费看| 听说在线观看完整版免费高清| 亚洲国产高清在线一区二区三| 欧美色欧美亚洲另类二区| 99精品欧美一区二区三区四区| 少妇熟女aⅴ在线视频| 午夜精品久久久久久毛片777| 国产不卡一卡二| 欧美高清成人免费视频www| 欧美成人一区二区免费高清观看| 91久久精品电影网| 日本三级黄在线观看| 露出奶头的视频| av福利片在线观看| 夜夜夜夜夜久久久久| 亚洲av美国av| 内射极品少妇av片p| 欧美色视频一区免费| 久久精品夜夜夜夜夜久久蜜豆| 久久久久久久久中文| 久久性视频一级片| 久久精品夜夜夜夜夜久久蜜豆| 人人妻人人看人人澡| 18禁裸乳无遮挡免费网站照片| 美女免费视频网站| 日日摸夜夜添夜夜添小说| 日韩欧美精品免费久久 | 日日干狠狠操夜夜爽| 日本免费一区二区三区高清不卡| 久久伊人香网站| 噜噜噜噜噜久久久久久91| 日韩中文字幕欧美一区二区| 国产单亲对白刺激| 久久香蕉国产精品| 小说图片视频综合网站|