基于机器学习算法的主机恶意代码检测技术研究

• 作者: 刘刚 宋桂香 张东 张尧
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 恶意代码检测 机器学习 静态分析 动态分析 分类模型
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 25-32
• 页数: 8页
• 分类号: TP309
• 字数: 5998字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2017.00179

摘要

对机器学习算法下主机恶意代码检测的主流技术途径进行了研究,分别针对静态、动态这2种分析模式下的检测方案进行了讨论,涵盖了恶意代码样本采集、特征提取与选择、机器学习算法分类模型的建立等要点.对机器学习算法下恶意代码检测的未来工作与挑战进行了梳理.为下一代恶意代码检测技术的设计和优化提供了重要的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张东		5	19	2.0	4.0
2	刘刚		4	11	2.0	3.0
3	张尧		2	9	2.0	2.0
4	宋桂香		2	7	1.0	2.0