一种基于A_Kohonen算法的恶意代码自动分类机制

• 作者: 徐小龙 熊婧夷 王新珩 王汝传
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 恶意代码 报告分类 反病毒 神经网络 信息安全
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 信息安全
• 页码范围: 178-182
• 页数: 5页
• 分类号: TP309.5
• 字数: 4307字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2014.08.039

摘要

目前海量的恶意代码报告已经成为基于云安全的反病毒网络系统的巨大负担.使用高效、科学的分类方法对大量涌现的已知或未知的恶意代码及其变种进行自动分类处理是快速应对恶意代码的基本前提.为了实现对恶意代码的自动分类,首先对解决聚类问题的经典无监督神经网络模型Kohonen算法进行改进,提出一种新的、引入部分监督学习过程的神经网络模型A Kohonen算法;然后基于A Kohonen算法实现对各种恶意代码的自动分类机制,从而为反病毒专家对恶意代码进一步细化与分析处理提供有效支持.实验分析表明,基于A Kohonen算法的恶意代码自动分类机制能够有效、准确地初步分类恶意代码.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王汝传	南京邮电大学计算机学院	671	6841	35.0	53.0
2	徐小龙	南京邮电大学计算机学院	108	913	17.0	25.0
4	熊婧夷	南京邮电大学计算机学院	13	74	5.0	8.0
5	王新珩	西苏格兰大学计算机学院	6	35	3.0	5.0