本文關鍵詞：基于集成學習的惡意代碼檢測方法研究

  更多相關文章： 惡意代碼檢測 集成學習 DBScan聚類 支持向量機

【摘要】：網絡時代帶來了生活上的種種便利,也帶來了惡意代碼的爆發(fā)式增長。報告指出,惡意代碼的數(shù)量和種類都在快速增長,其中,惡意代碼種類的增長對惡意代碼檢測的影響影響尤為突出。使用分類算法進行惡意代碼檢測是現(xiàn)在的一個熱門研究方向,而繁多的惡意代碼種類會極大地削弱分類效果。鑒于這種情況,本文提出了一種基于集成學習的惡意代碼檢測方法,該方法首先用DBScan算法對訓練樣本進行聚類,再用聚類得到的各個簇訓練SVM分類器,對未知樣本進行檢測時,首先將待檢測樣本分類到訓練得到的各個簇中,然后輸入對應的SVM分類器進行分類,判斷是否為惡意代碼。實驗結果表明,這種方法的準確率相對于直接使用SVM分類有明顯提高,達到了較好的檢測效果。
【作者單位】： 北京郵電大學網絡空間安全學院;
【分類號】：TP309
【正文快照】： 0引言在電子計算機技術快速發(fā)展的現(xiàn)在,惡意代碼的威脅性也在日益增加。惡意代碼數(shù)量的增長呈現(xiàn)出爆發(fā)態(tài)勢,從賽門鐵克公司的安全威脅報告中可以看出,每年的惡意代碼增量都是前一年的十倍以上。而惡意代碼的海量變種與繁多的種類也進一步加大了檢測的難度。與此同時,機器學習

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 林學民;王煒;;集合和字符串的相似度查詢[J];計算機學報;2011年10期

2 拓守恒;;基于QPSO訓練的SVM核函數(shù)集成學習研究[J];系統(tǒng)仿真技術;2010年03期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張佳;梁少華;;基于編輯距離算法的古生物代碼匹配方法[J];江漢大學學報(自然科學版);2016年04期

2 王佳英;王斌;楊曉春;;面向壓縮生物基因數(shù)據(jù)的高效的查詢方法[J];軟件學報;2016年07期

3 王洪亞;楊利宏;劉曉強;;Top-k相似連接算法性能優(yōu)化[J];軟件學報;2016年12期

4 李圣文;凌微;龔君芳;周長征;;一種基于熵的文本相似性計算方法[J];計算機應用研究;2016年03期

5 丁學君;;微博輿情話題傳播行為預測研究[J];中國管理信息化;2015年17期

6 陳一帆;趙翔;何培俊;張維明;唐九陽;;BMGSJoin:一種基于MapReduce的圖相似度連接算法[J];模式識別與人工智能;2015年05期

7 肖雨;崔榮一;懷麗波;;一種融合位置信息的字符串相似度度量方法[J];計算機應用研究;2015年11期

8 崔立偉;張曉濱;;移動用戶興趣點標記語義映射方法[J];計算機系統(tǒng)應用;2015年04期

9 李少卿;吳承榮;曾劍平;鐘亦平;;不良文本變體關鍵詞識別的詞匯串相似度計算[J];計算機應用與軟件;2015年03期

10 余遠文;鄧益民;;基于廣義集合的可變功能機械功能耦合性分析[J];機械制造;2015年02期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 陳林;潘豐;;基于量子PSO的SVM參數(shù)選擇及其應用[J];自動化與儀表;2009年01期

2 周濤;張艷寧;袁和金;陸惠玲;李秀秀;;基于聚類分析和集成改進支持向量機的序列目標分類算法[J];計算機科學;2009年01期

3 夏士雄;李文超;周勇;張磊;牛強;;一種改進的k-means聚類算法(英文)[J];Journal of Southeast University(English Edition);2007年03期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁漢寧;;雙層多示例集成學習[J];武漢理工大學學報(信息與管理工程版);2011年05期

2 俞揚;周志華;;集成學習中完全隨機學習策略研究[J];計算機工程;2006年17期

3 張滄生;崔麗娟;楊剛;倪志宏;;集成學習算法的比較研究[J];河北大學學報(自然科學版);2007年05期

4 陳凱;;基于聚類技術的集成學習差異性研究[J];南京工業(yè)職業(yè)技術學院學報;2008年04期

5 李凱;崔麗娟;;集成學習算法的差異性及性能比較[J];計算機工程;2008年06期

6 潘志松;燕繼坤;;少數(shù)類的集成學習[J];南京航空航天大學學報;2009年04期

7 陳凱;馬景義;;一種選擇性SER-BagBoosting Trees集成學習研究[J];計算機科學;2009年09期

8 陳全;趙文輝;李潔;江雨燕;;選擇性集成學習算法的研究[J];計算機技術與發(fā)展;2010年02期

9 張燕平;曹振田;趙姝;鄭堯軍;杜玲;竇蓉蓉;;一種新的決策樹選擇性集成學習方法[J];計算機工程與應用;2010年17期

10 饒峰;;核機器集成學習算法的誤差分析[J];重慶文理學院學報(自然科學版);2010年04期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 關菁華;劉大有;賈海洋;;自適應多分類器集成學習算法[A];第二十五屆中國數(shù)據(jù)庫學術會議論文集（二）[C];2008年

2 劉伍穎;王挺;;一種多過濾器集成學習垃圾郵件過濾方法[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

3 葉紅云;倪志偉;陳恩紅;;一種混合型集成學習演化決策樹算法[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

4 李燁;蔡云澤;許曉鳴;;基于支持向量機集成的故障診斷[A];第16屆中國過程控制學術年會暨第4屆全國故障診斷與安全性學術會議論文集[C];2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 阿里木·賽買提(Alim.Samat);基于集成學習的全極化SAR圖像分類研究[D];南京大學;2015年

2 王永明;集成回歸問題若干關鍵技術研究[D];華東師范大學;2015年

3 常征;基于混合集成學習的眼部與四肢交互動作建模與識別[D];北京科技大學;2016年

4 張春霞;集成學習中有關算法的研究[D];西安交通大學;2010年

5 劉天羽;基于特征選擇技術的集成學習方法及其應用研究[D];上海大學;2007年

6 尹華;面向高維和不平衡數(shù)據(jù)分類的集成學習研究[D];武漢大學;2012年

7 王清;集成學習中若干關鍵問題的研究[D];復旦大學;2011年

8 方育柯;集成學習理論研究及其在個性化推薦中的應用[D];電子科技大學;2011年

9 侯勇;特征提取與集成學習算法的研究及應用[D];北京科技大學;2015年

10 李燁;基于支持向量機的集成學習研究[D];上海交通大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 高偉;基于半監(jiān)督集成學習的情感分類方法研究[D];蘇州大學;2015年

2 宋文展;基于抽樣的集成進化算法研究[D];廣西大學;2015年

3 湯瑩;遷移與集成學習在文本分類中的應用研究[D];江蘇科技大學;2015年

4 劉政;基于知識元和集成學習的中文微博情感分析[D];大連理工大學;2015年

5 丘橋云;結合文本傾向性分析的股評可信度計算研究[D];哈爾濱工業(yè)大學;2014年

6 秦海;融合非標記樣本選擇的集成學習研究[D];湘潭大學;2015年

7 李想;基于多示例的集成學習理論與應用研究[D];合肥工業(yè)大學;2014年

8 李震宇;基于集成學習的數(shù)字圖像隱寫定量分析[D];解放軍信息工程大學;2014年

9 王希玲;基于選擇性集成學習的網絡入侵檢測方法研究[D];青島科技大學;2016年

10 陳范曙;基于信息整合的藥物相關信息挖掘方法研究[D];華東師范大學;2016年

，

本文編號：1208269