利用卷积神经网络进行恶意软件检测的方法.zip

简介：
本研究探讨了如何运用卷积神经网络技术来识别和分类恶意软件，提供了一种有效且创新的安全解决方案。通过分析二进制代码特征，该方法旨在提升检测精度与效率。 资源包括设计报告的Word文档以及项目源码和数据文件。 首先通过各种渠道收集了大量的恶意软件和良性软件样本。良性软件主要来自WinXP、Win7、Win8、Win10等操作系统；而恶意软件则来源于专门收集此类威胁的专业网站。 在处理这些文件时，使用了名为`exe_add_remove_prefix.py`的脚本为不同操作系统的良性软件添加特定前缀（如winnxp_、win7_、win8_和win10），从而便于区分它们各自的来源系统。此外，通过另一个Python脚本 `exe_analyse.py` 对收集到的所有样本进行了大小分析，并由此得出了以下结论： - 大多数良性软件的文件尺寸在0至8MB范围内（占比高达99%）。 - 有超过99.87%的良性软件其大小超过了1KB。 - 恶意软件样本中，绝大多数（占到总量的99%）的文件大小介于0和3MB之间。 - 同样地，在恶意软件方面，几乎所有文件都大于200字节（占比为99%）。