资料下载
基于深度学习的恶意代码功防研究及进展
分享资料个
深度学习赋能的恶意代码攻防研究已经成为网络安全领域中的热点问题。当前还没有针对这一热点问题的相关综述，为了及时跟进该领域的最新研究成果，本文首先分析并总结了恶意代码攻击的一般流程。基于该攻击流程，本文对深度学习的赋能攻击点和赋能防御点进行了定位，将深度学习助力攻击的技术分为5类：（1）基于对抗样本生成的自动化免杀;（2）基于自然语言生成的自动化网络钓鱼;（3）基于神经网络的精准定位与打击;（4）基于生成对抗网络的流量模仿;（5）基于黑盒模型的攻击意图隐藏，并将深度学习助力防御的新型技术分为3类（1）基于深度学习的恶意代码查杀;（2）自动化网络钓鱼识别;（3）深度学习赋能的恶意行为检测;其次，基于以上分类，本文对恶意代码攻防研究中的前沿技术进行了综述，并从技术原理、实际可行性、发展趋势等不同的角度对这些技术进行了深入剖析;再者，由于深度学习的伴生安全问题与其在恶意代码攻防领域的赋能安全问题紧密相关，本文对其中代表性的模型后门攻害与防御的相关技术也进行了关注;之后，本文分析并总结了当前深度学习赋能的恶意代码攻防研究领域中的主要研究方向，并对其未来的发展趋势进行了讨论;最后，深度学习赋能的恶意代码攻防研究才刚刚起步，基于恶意代码攻击链的更多可能的赋能攻击与防御点有待研究者继续探索和发掘。此外，深度学习助力恶意代码攻防的一大挑战是数据的限制如何建立有效、公开的数据集供研究者使用，这也是常值得思考和研究的问题。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
