基于特征融合的宽度—深度学习恶意软件检测

赵月爱; 刘美晨; 展翼乐; 王玲

doi:10.11907/rjdk.251618

您当前的位置：

首页 >

文章列表页 >

基于特征融合的宽度—深度学习恶意软件检测

计算机网络与信息安全 | 更新时间：2026-03-27

- 基于特征融合的宽度—深度学习恶意软件检测
- Wide-Deep Learning Malware Detection Based on Feature Fusion
- “介绍了其在恶意软件检测领域的研究进展，相关专家构建了EffNet-IPDBL模型，为解决现有检测方法图像表现不足和特征提取不充分问题提供了新方案。”
- 软件导刊 2026年25卷第3期页码：141-149
- 作者机构：
  
  1.太原师范学院计算机科学与技术学院，山西晋中 030602
  2.山西智能优化计算与区块链技术重点实验室，山西晋中 030619
  3.山西大学自动化与软件学院，山西太原 030006
- 作者简介：
  
  赵月爱（1974-），女，博士，CCF会员，太原师范学院计算机科学与技术学院教授、硕士生导师，研究方向为机器学习、智能信息处理和网络安全等。
  刘美晨（1999-），女，太原师范学院计算机科学与技术学院硕士研究生，研究方向为网络与信息安全
  展翼乐（2001-），男，太原师范学院计算机科学与技术学院硕士研究生，研究方向为网络与信息安全
  王玲（1980-），女，硕士，山西大学自动化与软件学院讲师，研究方向为网络安全，网络入侵检测。
- 基金信息：
  
  山西省自然科学研究面上项目(202303021221173);山西省科技战略研究专项重点项目(202304031401011)
- DOI：10.11907/rjdk.251618
  中图分类号： TP309.5
- 收稿：2025-09-04，
  
  纸质出版：2026-03-16
- 稿件说明：
移动端阅览
赵月爱,刘美晨,展翼乐等.基于特征融合的宽度—深度学习恶意软件检测[J].软件导刊,2026,25(03):141-149.

ZHAO Yueai,LIU Meichen,ZHAN Yile,et al.Wide-Deep Learning Malware Detection Based on Feature Fusion[J].Software Guide,2026,25(03):141-149.
赵月爱,刘美晨,展翼乐等.基于特征融合的宽度—深度学习恶意软件检测[J].软件导刊,2026,25(03):141-149. DOI： 10.11907/rjdk.251618.

ZHAO Yueai,LIU Meichen,ZHAN Yile,et al.Wide-Deep Learning Malware Detection Based on Feature Fusion[J].Software Guide,2026,25(03):141-149. DOI： 10.11907/rjdk.251618.

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

基于并联分支特征融合的网络入侵检测模型

融合门控机制与对比学习的化合物—蛋白质相互作用预测模型

基于多尺度注意力融合的声音事件定位与检测

一种基于航拍数据的空间自适应划分与注意力引导城市自动三维重建方法

多尺度深度可分离的施工现场安全帽检测

基于特征融合的宽度—深度学习恶意软件检测

Wide-Deep Learning Malware Detection Based on Feature Fusion

DOI：10.11907/rjdk.251618