在大數據環(huán)境下，針對傳統(tǒng)惡意文件檢測方法對經過代碼變種和混淆后的惡意文件檢測準確率低以及對跨平臺惡意文件檢測通用性弱等問題，提出一種基于圖像紋理和卷積神經網絡的惡意文件檢測方法。首先，使用灰度圖像生成算法將Android和Windows平臺下可執(zhí)行文件，即．dex和．exe文件，轉換成相應的灰度圖像；然后，通過卷積神經網絡（ CNN）算法自動提取這些灰度圖像的紋理特征并加以學習訓練，從而構建出一個惡意文件檢測模型；最后，使用大量未知待檢測的文件去驗證模型檢測準確率的高低。通過對大量的惡意樣本進行實驗，在Android和Windows平臺下，模型檢測最高準確率分別達到79.6%和97.6%，平均準確率分別約為79.3%和96.8%；與基于紋理指紋的惡意代碼變種檢測方法相比，基于圖像紋理和卷積神經網絡的惡意文件檢測方法準確率提高了約20%。實驗結果表明，所提方法能夠有效避免人工篩選特征帶來的問題，大幅提高檢測的準確率和效率，成功解決跨平臺檢測問題，實現了一種端到端的惡意文件檢測模型。

?

　　大數據環(huán)境下，如何從各種海量的已知數據中提取有價值的信息來對未知事件作出預測或者防止未知惡意事件發(fā)生的這個問題引起了各個領域的研究者們的關注和研究。在這樣的大環(huán)境下，再加上如今互聯網的飛速發(fā)展，Android系統(tǒng)由于其高開源性和基于Android系統(tǒng)開發(fā)的軟件沒有一個統(tǒng)一的發(fā)布和管理平臺，所以導致了很多程序開發(fā)者受黑色經濟的誘惑開發(fā)出了大量的安卓惡意軟件。這不僅制造了整個Android市場的混亂，還對每個移動用戶的隱私以及財產安全造成了更加嚴重的威脅。