AdaBoost恶意程序行为检测新算法

• 作者: 刘家辰 曹莹 苗启广 高琳
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 恶意程序 行为抽象 分类 决策树 AdaBoost 损失函数
• 年，卷（期）: 2013,（6）
• 页码范围: 116-124
• 页数: 9页
• 分类号: TP391.4
• 字数: 7171字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2013.06.021

摘要

提出了一种新的程序行为抽象方法,将程序执行时发起的API调用、网络数据包信息以及静态分析给出的文件结构特征作为数据源,对API序列进行低聚合度依赖关系分析,将网络数据包信息及静态分析结果转化为离散值特征,共同嵌入到高维特征空间中.在此基础上,采用决策树作为子分类器,针对AdaBoost.M1算法容易过度拟合噪声数据的问题,设计出一种基于改进AdaBoost.M1算法的恶意程序行为检测算法.该算法采用一种新的损失函数,降低了噪声数据进入训练下一个子分类器的训练样本集的概率,提高了算法的抗噪声能力;同时,为每个子分类器生成一个投票向量,而不是单一的投票权值,以区分子分类器对不同类别样本分类的能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苗启广	西安电子科技大学计算机学院	60	939	16.0	29.0
2	高琳	西安电子科技大学计算机学院	43	810	16.0	28.0
3	刘家辰	西安电子科技大学计算机学院	5	53	4.0	5.0
4	曹莹	西安电子科技大学计算机学院	6	57	4.0	6.0