| 改进贝叶斯算法在未知恶意软件识别中的研究 |
| |
| 引用本文： | 赖英旭, 杨震. 改进贝叶斯算法在未知恶意软件识别中的研究[J]. 北京工业大学学报, 2011, 37(5): 766-772. |
| |
| 作者姓名： | 赖英旭 杨震 |
| |
| 作者单位： | 1.北京工业大学 计算机学院, 北京 100124 |
| |
| 基金项目： | 国家重点基础研究发展计划资助项目(2007CB311100); 北京市教委基金资助项目(KM200810005030); 北京市自然科学基金资助项目(4102012); 国家自然科学基金资助项目(61001178) |
| |
| 摘 要： | 为改进朴素贝叶斯(naive Bayes,NB)算法在识别未知恶意代码过程中学习速度慢的缺点,在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes,MNB)算法的基础上,提出了一种改进贝叶斯(half-increm entnaive Bayes,HNB)算法.算法采用特征集增量学习方式,在保证分类精度不降低的前提下,学习速度提高约30%.实际样本测试表明,分类精度达到了96%,其中对已知恶意代码的分类精度达到99%.
|
| 关 键 词： | 分类器 数据挖掘 贝叶斯算法 |
| 收稿时间： | 2009-04-03 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京工业大学学报》浏览原始摘要信息 |
|
点击此处可从《北京工业大学学报》下载免费的PDF全文 |
|
