基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
恶意程序,特别是新生的、未见过的恶意程序是当前一个严重的安全威胁。传统的基于特征代码的商用病毒扫描器可以有效地发现已知的恶意程序,但却不能可靠地发现未知的恶意程序。数据挖掘方法由于可以从已存在的数据.中发现有关的模式,从而能自动准确地检测未知恶意程序。
推荐文章
恶意程序的检测和删除
恶意程序
复制
检测
删除``
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
恶意程序检测算法的研究与实现
恶意程序
检测算法
恶意程度文件
检测误报率
Android系统恶意程序检测技术研究
Android
安全问题
恶意程序检测
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据挖掘在恶意程序检测中的应用
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 数据挖掘 恶意程序 多分类器
年,卷(期) 2007,(11) 所属期刊栏目
研究方向 页码范围 614-616
页数 3页 分类号 TP311
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈丹 9 53 3.0 7.0
2 柳益君 28 146 8.0 10.0
3 蒋红芬 11 62 3.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
恶意程序
多分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
论文1v1指导