基于自适应学习的Rootkit检测模型

• 作者: 张登银 程春玲 高德华
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Rootkit 自适应学习 行为特征 模糊识别
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 基金项目论文
• 页码范围: 90-92,96
• 分类号: TP181
• 字数: 4442字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.08.026

摘要

针对目前基于异常行为的Rootkit检测方法依赖于行为的选取和行为模式库的完备性,提出了一种基于自适应学习的Rootkit检测系统模型.该模型对通过模糊行为识别检测出的Rootkit的行为进行分析,利用学习机制提取新的行为特征,不断完善行为模式库,并动态计算各行为特征对Rootkit的支持度自适应地更新各行为特征的检测权重,实现对未知Rootkit的检测.实验结果表明,该模型能较好地检测Rootkit,且不会明显影响系统性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张登银	南京邮电大学计算机学院	149	1143	16.0	26.0
2	程春玲	南京邮电大学计算机学院	54	368	11.0	16.0
3	高德华	南京邮电大学计算机学院	3	27	2.0	3.0