本文提出了一种名为 MINOS 的轻量级实时加密劫持检测系统，专门针对基于 WebAssembly (Wasm) 的加密劫持恶意软件。传统的动态分析检测方法需要恶意软件运行一段时间以收集动态特征，导致显著的计算开销。MINOS 利用深度学习技术，将 Wasm 二进制文件转化为图像，并使用卷积神经网络 (CNN) 模型进行图像分类，从而区分良性网页和利用 Wasm 进行未经授权挖矿的恶意网页。研究团队使用包含当前恶意和良性 Wasm 二进制的全面数据集训练模型。实验结果表明，MINOS 在实时检测中达到了 98.97% 的准确率，平均检测时间仅为 25.9 毫秒，CPU 占用率最高为 4%，RAM 占用率最高为 6.5%，证明其高效、轻量且计算成本低。该系统的核心贡献在于解决了传统方法的高开销问题，实现了即时检测，适用于浏览器安全场景。