深度学习在恶意软件检测中的应用

冯沛林 宋稷昀 邓正伟 吴伟毅

联通数字科技有限公司，北京市，100000；

摘要：恶意软件的持续演化使传统检测机制面临显著挑战。随着多态变形、代码混淆及跨平台传播手段的复杂化，基于签名和规则的检测策略逐渐失效。深度学习因其自动表征、高维建模与对未知样本的泛化能力，为恶意软件检测提供新路径。本文围绕数据建模、模型架构、学习策略与部署治理四方面，系统分析深度学习技术的实际应用逻辑与挑战应对，并结合典型实验案例与行业数据，验证其在真实场景中的可行性与稳健性。文章最终指出，实现模型“可控、可解释、可持续”将是未来发展的关键方向。

关键词：恶意软件检测；深度学习；模型部署

参考文献

[1]江超凡.基于深度学习的恶意软件检测技术研究[D].杭州电子科技大学,2025.

[2]谢丽霞,魏晨阳,杨宏宇,等.基于图像化方法的恶意软件检测与分类综述[J].计算机学报,2025,48(3):650-674.

[3]范铭,刘烃,刘均,等.安卓恶意软件检测方法综述[J].中国科学:信息科学,2020,50(8):1148-1177.

[4]李英华,朱景怡.深度学习在网络安全恶意软件检测中的应用[J].无线互联科技,2025,22(14):85-88.

[5]崔志华,兰卓璇,张景波,等.基于高维多目标序贯三支决策的恶意代码检测模型[J].智能系统学报,2024,19(1):97-105.