基于集成学习的恶意代码检测方法研究

发布时间：2017-11-20 19:26

  本文关键词：基于集成学习的恶意代码检测方法研究

  更多相关文章： 恶意代码检测 集成学习 DBScan聚类 支持向量机

【摘要】：网络时代带来了生活上的种种便利,也带来了恶意代码的爆发式增长。报告指出,恶意代码的数量和种类都在快速增长,其中,恶意代码种类的增长对恶意代码检测的影响影响尤为突出。使用分类算法进行恶意代码检测是现在的一个热门研究方向,而繁多的恶意代码种类会极大地削弱分类效果。鉴于这种情况,本文提出了一种基于集成学习的恶意代码检测方法,该方法首先用DBScan算法对训练样本进行聚类,再用聚类得到的各个簇训练SVM分类器,对未知样本进行检测时,首先将待检测样本分类到训练得到的各个簇中,然后输入对应的SVM分类器进行分类,判断是否为恶意代码。实验结果表明,这种方法的准确率相对于直接使用SVM分类有明显提高,达到了较好的检测效果。
【作者单位】： 北京邮电大学网络空间安全学院;
【分类号】：TP309
【正文快照】： 0引言在电子计算机技术快速发展的现在,恶意代码的威胁性也在日益增加。恶意代码数量的增长呈现出爆发态势,从赛门铁克公司的安全威胁报告中可以看出,每年的恶意代码增量都是前一年的十倍以上。而恶意代码的海量变种与繁多的种类也进一步加大了检测的难度。与此同时,机器学习

【参考文献】

中国期刊全文数据库 前2条

1 林学民;王炜;;集合和字符串的相似度查询[J];计算机学报;2011年10期

2 拓守恒;;基于QPSO训练的SVM核函数集成学习研究[J];系统仿真技术;2010年03期

【共引文献】

中国期刊全文数据库 前10条

1 张佳;梁少华;;基于编辑距离算法的古生物代码匹配方法[J];江汉大学学报(自然科学版);2016年04期

2 王佳英;王斌;杨晓春;;面向压缩生物基因数据的高效的查询方法[J];软件学报;2016年07期

3 王洪亚;杨利宏;刘晓强;;Top-k相似连接算法性能优化[J];软件学报;2016年12期

4 李圣文;凌微;龚君芳;周长征;;一种基于熵的文本相似性计算方法[J];计算机应用研究;2016年03期

5 丁学君;;微博舆情话题传播行为预测研究[J];中国管理信息化;2015年17期

6 陈一帆;赵翔;何培俊;张维明;唐九阳;;BMGSJoin:一种基于MapReduce的图相似度连接算法[J];模式识别与人工智能;2015年05期

7 肖雨;崔荣一;怀丽波;;一种融合位置信息的字符串相似度度量方法[J];计算机应用研究;2015年11期

8 崔立伟;张晓滨;;移动用户兴趣点标记语义映射方法[J];计算机系统应用;2015年04期

9 李少卿;吴承荣;曾剑平;钟亦平;;不良文本变体关键词识别的词汇串相似度计算[J];计算机应用与软件;2015年03期

10 余远文;邓益民;;基于广义集合的可变功能机械功能耦合性分析[J];机械制造;2015年02期

【二级参考文献】

中国期刊全文数据库 前3条

1 陈林;潘丰;;基于量子PSO的SVM参数选择及其应用[J];自动化与仪表;2009年01期

2 周涛;张艳宁;袁和金;陆惠玲;李秀秀;;基于聚类分析和集成改进支持向量机的序列目标分类算法[J];计算机科学;2009年01期

3 夏士雄;李文超;周勇;张磊;牛强;;一种改进的k-means聚类算法(英文)[J];Journal of Southeast University(English Edition);2007年03期

【相似文献】

中国期刊全文数据库 前10条

1 袁汉宁;;双层多示例集成学习[J];武汉理工大学学报(信息与管理工程版);2011年05期

2 俞扬;周志华;;集成学习中完全随机学习策略研究[J];计算机工程;2006年17期

3 张沧生;崔丽娟;杨刚;倪志宏;;集成学习算法的比较研究[J];河北大学学报(自然科学版);2007年05期

4 陈凯;;基于聚类技术的集成学习差异性研究[J];南京工业职业技术学院学报;2008年04期

5 李凯;崔丽娟;;集成学习算法的差异性及性能比较[J];计算机工程;2008年06期

6 潘志松;燕继坤;;少数类的集成学习[J];南京航空航天大学学报;2009年04期

7 陈凯;马景义;;一种选择性SER-BagBoosting Trees集成学习研究[J];计算机科学;2009年09期

8 陈全;赵文辉;李洁;江雨燕;;选择性集成学习算法的研究[J];计算机技术与发展;2010年02期

9 张燕平;曹振田;赵姝;郑尧军;杜玲;窦蓉蓉;;一种新的决策树选择性集成学习方法[J];计算机工程与应用;2010年17期

10 饶峰;;核机器集成学习算法的误差分析[J];重庆文理学院学报(自然科学版);2010年04期

中国重要会议论文全文数据库 前4条

1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集（二）[C];2008年

2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年

4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

中国博士学位论文全文数据库 前10条

1 阿里木·赛买提(Alim.Samat);基于集成学习的全极化SAR图像分类研究[D];南京大学;2015年

2 王永明;集成回归问题若干关键技术研究[D];华东师范大学;2015年

3 常征;基于混合集成学习的眼部与四肢交互动作建模与识别[D];北京科技大学;2016年

4 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年

5 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年

6 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年

7 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年

8 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

9 侯勇;特征提取与集成学习算法的研究及应用[D];北京科技大学;2015年

10 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高伟;基于半监督集成学习的情感分类方法研究[D];苏州大学;2015年

2 宋文展;基于抽样的集成进化算法研究[D];广西大学;2015年

3 汤莹;迁移与集成学习在文本分类中的应用研究[D];江苏科技大学;2015年

4 刘政;基于知识元和集成学习的中文微博情感分析[D];大连理工大学;2015年

5 丘桥云;结合文本倾向性分析的股评可信度计算研究[D];哈尔滨工业大学;2014年

6 秦海;融合非标记样本选择的集成学习研究[D];湘潭大学;2015年

7 李想;基于多示例的集成学习理论与应用研究[D];合肥工业大学;2014年

8 李震宇;基于集成学习的数字图像隐写定量分析[D];解放军信息工程大学;2014年

9 王希玲;基于选择性集成学习的网络入侵检测方法研究[D];青岛科技大学;2016年

10 陈范曙;基于信息整合的药物相关信息挖掘方法研究[D];华东师范大学;2016年

，

本文编号：1208269