cybersecurity-dev/awesome-malware-traffic-analysis-scientific-research

# **`Awesome`** [恶意软件](https://en.wikipedia.org/wiki/Timeline_of_computer_viruses_and_worms) [流量](https://en.wikipedia.org/wiki/Pcap) [分析](https://en.wikipedia.org/wiki/Malware_analysis) 科学 [研究](https://scholar.google.com/scholar?q=%22malware+detection%22+%22network+traffic%22&hl=en&as_sdt=2007&as_ylo=&as_yhi=) [](https://awesome.re) [](https://scholar.google.com/scholar?as_q=%22network+traffic%22&as_epq=malware+detection&as_oq=&as_eq=&as_occt=any&as_sauthors=&as_publication=&as_ylo=2025&as_yhi=&hl=en&as_sdt=0%2C5&as_vis=1) [](https://youtube.com/playlist?list=PL9V4Zu3RroiX8O6ySYeYrjT1XiCURsmj2&si=AlMJXGSDGv5E1ca1) [](https://www.reddit.com/r/AskNetsec/)

   

## 📖 目录 - [2026](#2026) | [2025](#2025) | [2024](#2024) | [2023](#2023) | [2022](#2022) | [2021](#2021) | [2020](#2020) | [其他](#old) - [我的其他 Awesome 列表](#my-other-awesome-lists) - [贡献](#contributing) - [贡献者](#contributors) ### 2026 - ### 2025 - [一种基于受害者-攻击者交互模式的恶意流量检测方法](https://www.sciencedirect.com/science/article/pii/S0167404825001750) - 2025 年 4 月 8 日在线发布 - [集成可解释性 AI 以实现有效的加密网络流量恶意软件检测](https://arxiv.org/abs/2501.05387) - 提交于 2025 年 1 月 9 日 ### 2024 - [基于掩码自编码器的自监督学习恶意流量分类](https://ieeexplore.ieee.org/abstract/document/10411960) - 出版日期：2024 年 1 月 22 日 ### 2023 - [基于图的加密恶意流量检测与多视图特征混合分析](https://www.sciencedirect.com/science/article/pii/S0020025523008149) - 2023 年 6 月 1 日在线发布 ### 2022 - [DEMD-IoT：一种基于 CNN 和网络流量的 IoT 恶意软件检测深度集成模型](https://link.springer.com/article/10.1007/s12530-022-09471-z) - 发布于：2022 年 10 月 11 日 - [使用行为流量分析进行 IoT 恶意软件检测与识别的有效多任务深度学习](https://ieeexplore.ieee.org/abstract/document/9865131) - 出版日期：2022 年 8 月 23 日 - [使用 PCAP 到图片转换的基于图像的恶意流量分类神经网络模型](https://dl.acm.org/doi/abs/10.1145/3538969.3544473) - 发布于：2022 年 8 月 23 日 - [MalDIST：从加密流量分类到恶意流量检测与分类](https://ieeexplore.ieee.org/abstract/document/9700625) - 添加至 IEEE Xplore 日期：2022 年 2 月 10 日 - [当 RF 击败 CNN 和 GRU 时 - 加密恶意流量分类的深度学习与经典机器学习方法比较](https://www.sciencedirect.com/science/article/pii/S0167404822003923) - 2022 年 11 月 2 日在线发布 ### 2021 - [Falcon：使用网络流量图像进行恶意软件检测与分类](https://link.springer.com/chapter/10.1007/978-3-030-86362-3_10) - 首次在线发布：2021 年 9 月 7 日 - [MalPhase：使用网络流数据的细粒度恶意软件检测](https://dl.acm.org/doi/abs/10.1145/3433210.3453101) - 发布于：2021 年 6 月 4 日 ### 2020 - [一种使用网络流量的双层深度学习 Android 恶意软件检测方法](https://ieeexplore.ieee.org/abstract/document/9136685) - 出版日期：2020 年 7 月 8 日 ### 早期 - [一种在网络流量中使用行为特征的移动恶意软件检测方法](https://www.sciencedirect.com/science/article/pii/S1084804518304028) - 2019 年 1 月 6 日在线发布 - [利用神经网络分析网络流量进行恶意软件检测](https://ieeexplore.ieee.org/abstract/document/8227308) - 添加至 IEEE Xplore 日期：2017 年 12 月 21 日 - [基于 Android 的移动设备中使用网络流量分析的恶意软件检测](https://ieeexplore.ieee.org/abstract/document/6982893) - 添加至 IEEE Xplore 日期：2014 年 12 月 15 日 - [最小化用于 Android 移动恶意软件检测的网络流量特征](https://www.sciencedirect.com/science/article/pii/S0020025517307077) - 发布于：2017 年 1 月 5 日 - [使用网络流量分类的未知恶意软件检测](https://ieeexplore.ieee.org/abstract/document/7346821) - 添加至 IEEE Xplore 日期：2015 年 12 月 7 日 ### 我的其他 Awesome 列表 您可以访问我的其他 awesome 列表[这里](https://cyberthreatdefence.com/my_awesome_lists) ### 贡献 [欢迎任何形式的贡献，请遵循指南](contributing.md)！ ### 贡献者 [感谢这些贡献者](https://github.com/cybersecurity-dev/awesome-malware-traffic-analysis-scientific-research/graphs/contributors)！ [🔼 返回顶部](#awesome-malware-traffic-analysis-scientific-research-)

标签：AMSI绕过, Apex, DAST, PCAP分析, TruffleHog, 入侵防御系统, 威胁检测, 威胁猎捕, 学术论文, 安全数据集, 异常检测, 恶意流量检测, 恶意软件分析, 机器学习, 深度学习, 科学研究, 网络威胁情报, 网络安全, 网络流量, 论文集, 防御加固, 隐私保护