CNN 与 ELM 在基于图像的恶意软件分类中的比较
密码学与安全
2021-03-26 v1 机器学习
摘要
恶意软件分类领域的研究常依赖于在高层特征（如操作码、函数调用和控制流图）上训练的机器学习模型。提取此类特征代价高昂，因为通常需要反汇编或代码执行。本文中，我们开展实验以训练和评估基于无需反汇编或执行代码即可获得的特征的恶意软件分类机器学习模型。具体而言，我们将恶意软件样本可视化为图像并采用图像分析技术。在此背景下，我们聚焦于两种机器学习模型，即卷积神经网络（CNN）与极限学习机（ELM）。令人惊讶的是，我们发现 ELM 可达到与 CNN 相当的准确率，而 ELM 训练所需时间不到可比 CNN 训练所需时间的约 2%。
引用
@article{arxiv.2103.13820,
title = {CNN vs ELM for Image-Based Malware Classification},
author = {Mugdha Jain and William Andreopoulos and Mark Stamp},
journal= {arXiv preprint arXiv:2103.13820},
year = {2021}
}