基于漂移检测和集成学习的木马检测模型

• 作者: 刘胜利 张兆林 李晔
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 木马检测 通信流量 概念漂移 集成学习
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 708-711
• 页数: 4页
• 分类号: TP393
• 字数: 3479字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2017.06.015

摘要

传统基于网络流量的木马检测方法对训练样本要求较高,泛化能力差,分类精度难以提升,且不能处理概念漂移问题.为提升现有方法的准确度,在研究网络流量通信特征的基础上,提出一种集成学习分类模型,在流量处理中检测其产生的概念漂移,根据检测结果动态更新由训练集构建的集成分类器,利用集成分类器加权集成,达到检测木马流量的目的.真实网络环境下的实验结果验证了该模型的有效性,通过重新训练和集成学习使漏报率和误报率显著降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晔		4	21	2.0	4.0
2	刘胜利		16	46	4.0	6.0
3	张兆林		2	1	1.0	1.0