यह शोधपत्र मैलवेयर बाइनरी को 1D सिग्नल में परिवर्तित करके मैलवेयर को वर्गीकृत करने की एक नई विधि प्रस्तावित करता है ताकि मौजूदा स्थिर और गतिशील विश्लेषण विधियों की सीमाओं को पार किया जा सके। हालाँकि मौजूदा 2D छवि रूपांतरण विधियाँ क्वांटिज़ेशन नॉइज़ और 2D निर्भरताओं के कारण सूचना हानि से ग्रस्त हैं, हमारी 1D सिग्नल रूपांतरण विधि इन समस्याओं का समाधान करती है। हम 1D सिग्नल वर्गीकरण के लिए एक पारंपरिक 2D CNN आर्किटेक्चर लागू करते हैं, और ResNet आर्किटेक्चर और स्क्वीज़-एंड-एक्साइटेशन लेयर्स पर आधारित एक कस्टम 1D CNN विकसित करते हैं। हम प्रस्तावित विधि का मूल्यांकन MalNet डेटासेट पर करते हैं। परिणामस्वरूप, हम बाइनरी, टाइप और सीरीज़-लेवल वर्गीकरण के लिए क्रमशः 0.874, 0.503 और 0.507 के अत्याधुनिक F1 स्कोर प्राप्त करते हैं।
