基于MP-FSCIL的惡意代碼分類方法
電子學報
頁數(shù)： 13 2025-12-11
摘要： 惡意軟件家族通過代碼混淆、多態(tài)變形等技術(shù)持續(xù)變異，導致特征空間偏移與模型決策邊界失效，且零日攻擊的快速演化和早期小樣本場景進一步加劇了傳統(tǒng)檢測模型的知識退化與適應瓶頸.針對上述問題，本文提出一種基于多原型小樣本類增量學習的惡意代碼分類方法 MP-FSCIL(Multi-Prototype Few-Shot Class-Incremental Learning)，旨在解決動態(tài)環(huán)境... （共13頁）
開通會員，享受整站包年服務
說明： 本文檔由創(chuàng)作者上傳發(fā)布，版權(quán)歸屬創(chuàng)作者。若內(nèi)容存在侵權(quán)，請點擊申訴舉報
APP