基于多通道记忆融合的恶意代码检测方法

刘超; 黎秋玲; 赵学健

doi:10.11907/rjdk.251307

您当前的位置：

首页 >

文章列表页 >

基于多通道记忆融合的恶意代码检测方法

网络空间安全 | 更新时间：2025-12-16

- 基于多通道记忆融合的恶意代码检测方法
- Malware Detection Method Based on Multi-Channel Memory Fusion
- “最新研究提出基于多通道混合卷积网络的恶意代码检测模型，有效提升复杂环境下的检测性能。”
- 软件导刊 2025年24卷第12期页码：183-189
- 作者机构：
  
  1.南京数睿数据科技有限公司，江苏南京 211100
  2.南京邮电大学宽带无线通信与传感网技术教育部重点实验室，江苏南京 210003
- 作者简介：
  
  刘超（1981-），男，硕士，南京数睿数据科技有限公司工程师，研究方向为机器学习、软件工程等
  黎秋玲（2001-），女，南京邮电大学宽带无线通信与传感网技术教育部重点实验室硕士研究生，研究方向为机器学习、路径规划等
  赵学健。
- 基金信息：
  
  国家自然科学基金项目(62303239)
- DOI：10.11907/rjdk.251307
  中图分类号： TP309
- 收稿：2025-04-27，
  
  纸质出版：2025-12-15
- 稿件说明：
移动端阅览
刘超,黎秋玲,赵学健.基于多通道记忆融合的恶意代码检测方法[J].软件导刊,2025,24(12):183-189.

LIU Chao,LI Qiuling,ZHAO Xuejian.Malware Detection Method Based on Multi-Channel Memory Fusion[J].Software Guide,2025,24(12):183-189.
刘超,黎秋玲,赵学健.基于多通道记忆融合的恶意代码检测方法[J].软件导刊,2025,24(12):183-189. DOI： 10.11907/rjdk.251307.

LIU Chao,LI Qiuling,ZHAO Xuejian.Malware Detection Method Based on Multi-Channel Memory Fusion[J].Software Guide,2025,24(12):183-189. DOI： 10.11907/rjdk.251307.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的车载CAN网络入侵检测模型

融合深度学习辅助心电图智能处理应用

基于多模型融合与数据库进阶优化的高性能混合推荐系统

面向教育过程的剩余时间预测方法

基于深度逆强化学习的无人机实时动态避障航路规划算法

基于多通道记忆融合的恶意代码检测方法

Malware Detection Method Based on Multi-Channel Memory Fusion

DOI：10.11907/rjdk.251307