恶意软件精准识别
通过并行融合CNN与LSTM提取的时空特征，实现对恶意软件的高精度检测。
Jun, Lu · Xiaokai, Ren · 张佳鑫 · Ting, Wang
Electronics (Switzerland) 2023
通过并行融合CNN捕获的空间特征和LSTM捕获的时序特征，分类组件实现了高准确率的恶意软件识别。
模型在精确率和召回率之间取得良好平衡，F1分数达到98.6%，适合实际部署。
模型采用并行结构融合CNN与LSTM特征，不同于常见的串联方式，能同时保留空间和时序信息，提升检测能力。
将恶意软件表示为纹理图像，使CNN能够有效提取空间特征，适用于变种检测。