基于概率统计模型和SVM的恶意代码分类

• 作者: 张培 李璐 纪鸿旭
• 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
• 页码范围: 110-111
• 页数: 2页
• 分类号: G350
• 字数: 1911字
• 语种: 中文

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.

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