一种基于最小距离分类器的恶意代码检测方法

• 作者: 刘磊 张茜 邵堃
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 恶意代码行为 标准化欧氏距离 特征统计空间 Youden指数
• 年，卷（期）: 2009,（3）
• 页码范围: 183-187
• 页数: 5页
• 分类号: TP393.08
• 字数: 3404字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-6600.2009.03.044

摘要

恶意代码是构成互联网威胁的新根源,至今传统的病毒查杀方法对此也无法根治.未知恶意代码每月呈几何倍的速度增长,人们依赖的防范手段多是手工分析,其效率有限且花费巨大.阐述了基于最小距离分类器的未知恶意代码检测方法,它对未知恶意代码有着良好的判定能力,能够有效地区分病毒与可信程序.对自定义的恶意代码行为进行建模,并通过实验发现,经过改进的最小距离分类器除了良好的分类精度外,其计算代价较其他非线性方法小,因此该模型在实际反病毒工作中有较高的实战价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵堃	合肥工业大学计算机与信息学院	40	149	7.0	10.0
2	刘磊	合肥工业大学计算机与信息学院	35	165	7.0	9.0
3	张茜	合肥工业大学计算机与信息学院	1	7	1.0	1.0