|
|||||
|
|
| 基于机器学习的移动终端高级持续性威胁检测技术研究 | |
| 作者单位： | ;1.北京邮电大学软件学院;2.天津理工大学计算机与通信工程学院;3.北京邮电大学网络空间安全学院 |
| 摘 要： | 移动端高级持续性威胁(APT)攻击是近年来出现的一种极其危险的攻击方式,通过窃取信息对设备造成高风险且可持续性的危害。而针对移动端入侵检测的方案由于检测特征不够完善,检测模型准确率不高且存在过拟合问题,导致检测效果不理想。针对上述问题提出一种优化的检测模型,利用静态检测技术提取出终端应用的静态特征,优化模型对恶意应用的敏感程度,引用滑动窗口迭代算法提取出延迟攻击特征,以优化模型对延迟攻击的检测能力,同时使用Boost技术将决策树、逻辑回归、贝叶斯等分类算法进行融合,通过实验证明该模型提升了APT检测准确率并规避了过拟合问题。 |
| 关 键 词： | 机器学习 高级持续性威胁检测 分类器 模型融合 静态检测 关联分析 |
Research on Advanced Persistent Threat Detection Technology for Mobile Terminal Based on Machine Learning |
|
| Abstract: | |
| Keywords: | |