摘要
本发明公开了一种基于改进MobileViT的恶意代码分类检测方法及系统,属于恶意代码分类检测技术领域。具体方法包括:采集包含恶意代码样本的二进制文件,将其转换为图像;对图像进行预处理,得到预处理后的恶意代码图像数据;构建基于改进MobileViT的恶意代码分类检测模型;将预处理后的恶意代码图像数据输入所述模型训练,得到训练好的基于改进MobileViT的恶意代码分类检测模型;将实际恶意代码数据输入所述训练好的模型,输出恶意代码的类别预测结果,实现基于改进MobileViT的恶意代码分类检测。本发明在降低计算资源需求的同时,能够保持较高的检测精度,适合资源受限环境中的实时恶意代码检测需求。
技术关键词
恶意代码分类
深层特征提取
检测模型训练
深度卷积特征
权重特征
资源受限环境
图像增强
数据
多头注意力机制
局部特征提取
通道
模型训练模块
可读存储介质
压缩特征
阶段
多层感知机
处理器
系统为您推荐了相关专利信息
电能分项计量
计量误差
检测模型训练方法
序列
频段
检测模型训练方法
恢复器
碳排放监测系统
多层感知机
多尺度
防护密闭门
性能预测模型
故障预测模型
历史故障数据
控制中心
检测模型训练方法
农作物虫害
上采样
图像
特征提取网络
电力营销稽查
审核方法
序列特征
业务支撑系统
模型预训练