不平衡恶意软件图像分类：一种基于 CNN 的方法
计算机视觉与模式识别
2022-02-22 v2 机器学习
机器学习
摘要
深度卷积神经网络（CNN）可以通过图像分类应用于恶意软件二进制检测。然而，由于恶意软件家族（类别）的不平衡，其性能有所下降。为了缓解这一问题，我们提出了一种简单而有效的加权 softmax 损失，可用作深度 CNN 的最后一层。原始的 softmax 损失被加权，权重值可根据类别规模确定。在计算权重时还包含了一个缩放参数。我们研究了该参数的适当选择并给出了一个经验选项。该加权损失旨在以端到端学习方式减轻数据不平衡的影响。为了验证其有效性，我们将所提出的加权损失部署在预训练的深度 CNN 模型中，并对其进行微调，在恶意软件图像分类上取得了可喜的结果。大量实验还表明，新的损失函数能很好地适配其他典型 CNN，从而提高分类性能。
引用
@article{arxiv.1708.08042,
title = {Imbalanced Malware Images Classification: a CNN based Approach},
author = {Songqing Yue and Tianyang Wang},
journal= {arXiv preprint arXiv:1708.08042},
year = {2022}
}
备注
updated version with typos fixed and corrected technical expressions