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:
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.将杌器学习技术应用于恶意程序检测,可以准确有效地发现未知恶意程序.讨论了基于机器学习的恶意程序检测方法,并提出结合RIPPER和贝叶斯方法检测程序.
推荐文章
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
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
恶意程序的检测和删除
恶意程序
复制
检测
删除``
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
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 基于机器学习的恶意程序检测研究
来源期刊 软件导刊 学科 工学
关键词 机器学习 恶意程序 贝叶斯方法
年,卷(期) 2010,(9) 所属期刊栏目
研究方向 页码范围 23-25
页数 分类号 TP309.2
字数 3915字 语种 中文
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 柳益君 江苏技术师范学院计算机工程学院 28 146 8.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (5)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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
机器学习
恶意程序
贝叶斯方法
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导