AI与世界难题 · 理论计算机科学 · Nature (computational biology) · 2026-10-16
基于注意力增强深度学习的 RGB 可执行文件图像多层级恶意软件子家族归属分析
原标题: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
恶意软件分析需要在多个层面做出判断，从检测到家族归属，再到细粒度的子家族归属。作者提出了一种分层深度学习框架，该框架以Windows PE文件的RGB图像为输入，在一个多输出架构中完成检测、家族分类和33个子家族的归属。四个引入注意力机制的迁移学习模型在二分类上达到99%的准确率，家族层面为96–97%，子家族层面为91–95%，细粒度归属的宏平均F1分数最高可达0.89。