基于肯定选择分类算法的恶意代码检测方法

• 作者: 张福勇 赵铁柱
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 网络与信息安全 入侵检测 恶意代码 恶意代码检测 肯定选择分类算法 机器学习 特征选择 静态分析
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 206-210
• 页数: 5页
• 分类号: TP309
• 字数: 4076字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2016.02.16

摘要

针对恶意代码,尤其是顽固、隐匿的未知恶意代码危害日益加剧的问题,提出一种基于肯定选择分类算法的恶意代码检测方法.将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算具有最大信息增益的Ⅳ个n-gram的词频,并做归一化处理,采用改进的肯定选择分类算法进行分类.该方法保留了肯定选择分类算法高分类准确率的优点,优化了分类器训练过程,提高了训练和检测效率.结果表明,该方法的检测效果优于朴素贝叶斯、贝叶斯网络、支持向量机和C4.5决策树等算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵铁柱	东莞理工学院计算机学院	25	50	4.0	5.0
2	张福勇	东莞理工学院计算机学院	6	15	3.0	3.0