【技术实现步骤摘要】
本申请涉及信息安全领域，具体而言，涉及一种恶意代码分类方法、装置、电子设备及计算机存储介质。
技术介绍
1、目前，深度学习技术，如卷积神经网络和循环神经网络等，已经成为恶意代码识别领域广泛研究的热点。这些技术能够自动学习数据集中的特征，并实现高效的分类和检测。近年来，基于深度学习的恶意代码检测得到了较快的发展。但是，现有的深度学习技术在对恶意代码进行分类时，准确性较低。
技术实现思路
1、有鉴于此，本申请实施例的目的在于提供一种恶意代码分类方法、装置、电子设备及计算机存储介质，能够提高恶意代码分类准确性。
2、第一方面，本申请实施例提供了一种恶意代码分类方法，包括：将待分类恶意代码转化为灰度图像；将所述灰度图像输入密集残差网络模型，通过所述密集残差网络模型的数据预处理层组对所述灰度图像进行特征信息提取；通过所述密集残差网络模型的卷积层组对提取的特征信息进行深度处理，所述卷积层组中包括残差连接和密集连接；通过所述密集残差网络模型的分类计算层组对深度处理后的特征信息进行分类计算，得...
【技术保护点】
1.一种恶意代码分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积层组包括多个卷积层子组；所述通过所述密集残差网络模型的卷积层组对提取的特征信息进行深度处理，包括：
3.根据权利要求2所述的方法，其特征在于，每个所述卷积层子组包括多个基本块；所述通过所述多个卷积层子组对提取的特征信息依次进行深度处理，包括：
4.根据权利要求3所述的方法，其特征在于，每个所述基本块包括两个卷积层和残差连接；所述通过各个所述卷积层子组中的各个所述基本块对提取的特征信息依次进行深度处理，包括：
5.根据权利要求2...
【技术特征摘要】
1.一种恶意代码分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述卷积层组包括多个卷积层子组；所述通过所述密集残差网络模型的卷积层组对提取的特征信息进行深度处理，包括：
3.根据权利要求2所述的方法，其特征在于，每个所述卷积层子组包括多个基本块；所述通过所述多个卷积层子组对提取的特征信息依次进行深度处理，包括：
4.根据权利要求3所述的方法，其特征在于，每个所述基本块包括两个卷积层和残差连接；所述通过各个所述卷积层子组中的各个所述基本块对提取的特征信息依次进行深度处理，包括：
5.根据权利要求2所述的方法，其特征在于，除所述尾部卷积层子组之外的其他卷积层子组包括密集连接；所述将前一卷积层子组的输出作为后一卷积层子组输入，包括：
6....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。