基于协同采样主动学习的恶意代码检测 |
| |
引用本文: | 张凯,王东安,李超,贾冰. 基于协同采样主动学习的恶意代码检测[J]. 高技术通讯, 2016, 0(5): 458-463. DOI: 10.3772/j.issn.1002-0470.2016.05.005 |
| |
作者姓名: | 张凯 王东安 李超 贾冰 |
| |
作者单位: | 1. 中国科学院信息工程研究所 北京100093;中国科学院大学 北京100049;2. 国家计算机网络应急技术处理协调中心 北京100029;3. 河南省工人文化宫 郑州450007 |
| |
基金项目: | 国家自然科学基金(61202067;61271275),863计划(2012AA013001 |
| |
摘 要: | 研究了基于机器学习分类算法的恶意代码检测,考虑到目前主要采用传统分类方法对恶意代码进行分类识别,这些方法需要通过学习大量标记样本来获得精准的分类器模型,然而样本标记工作只有少数专家才能完成,导致标记样本往往不足,致使分类结果准确率不高,提出了一种基于协同采样的主动学习方法。运用这种学习方法,仅需少量标记样本即可有效识别出恶意代码。实验证明,相对于传统的恶意代码分类方法,该方法能够显著提升分类准确率和泛化性能。
|
关 键 词: | 主动学习 支持向量机(SVM) 概率性神经网络(PNN) 协同采样 |
Malware detection using active learning based on collaborative sampling |
| |
Abstract: | |
| |
Keywords: | active learning support vector machine (SVM) probabilistic neural network (PNN) collaborative sampling |
本文献已被 CNKI 万方数据 等数据库收录! |
|