基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着恶意代码的不断变种,安全问题日趋严峻,对恶意代码进行分类以便于分析恶意代码从而进行防范显得尤为重要.在数以千计的大量恶意代码面前,传统的分类方式已经不能满足我们的快速分类高效分析数据的目的.本文针对恶意程序检测分类中面对数据量大,病毒家族变种繁多等问题,提出了一种利用机器学习——支持向量机算法的方法来对恶意代码进行分类.该方法通过提取对恶意代码利用IDA反汇编工具生成的二进制代码的概率统计模型特征,通过SVM算法进行分类操作.通过结果分析与对比分析,可以验证,本文所使用的此种算法来检测恶意代码并对其分类是有效的.
推荐文章
栈式自编码的恶意代码分类算法研究
栈式自编码
恶意代码
分类
基于模糊识别恶意代码检测技术的研究
模糊识别
恶意代码
支持向量机
基于行为分析和特征码的恶意代码检测技术
恶意代码
行为分析
特征码
虚拟机
恶意代码分类的一种高维特征融合分析方法
恶意代码分类
特征提取
特征融合
深度特征处理
局部敏感哈希
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于概率统计模型和SVM的恶意代码分类
来源期刊 数字技术与应用 学科 社会科学
关键词 恶意软件分类 概率统计模型 支持向量机 机器学习
年,卷(期) 2017,(6) 所属期刊栏目 应用研究
研究方向 页码范围 110-111
页数 2页 分类号 G350
字数 1911字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李璐 9 4 2.0 2.0
2 张培 3 3 1.0 1.0
3 纪鸿旭 2 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
恶意软件分类
概率统计模型
支持向量机
机器学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导