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:
本文介绍了一种基于机器学习算法构建手机恶意软件特征研判模型的方法,提出了基于恶意软件的行为分析模型,通过特征取样分析,可以实现对恶意软件的特征分析,通过不断完善机器学习算法,提升恶意软件的研判能力.
推荐文章
基于Android系统的手机恶意软件检测模型
Android系统
恶意软件
数据挖掘
敏感API
FP-growth算法
基于机器学习算法的Android恶意程序检测系统
随机森林
恶意代码检测
多类特征
安卓应用
机器学习
基于免疫原理的恶意软件检测模型
人工免疫
恶意软件
病毒检测
反病毒
基于Android权限信息的恶意软件检测
权限
恶意检测
安卓
机器学习
数据挖掘
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 基于机器学习算法构建手机恶意软件研判模型的研究
来源期刊 网络安全技术与应用 学科
关键词 朴素贝叶斯模型 机器学习 特征分析 恶意软件
年,卷(期) 2017,(9) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 49-50
页数 2页 分类号
字数 2773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 易叔海 2 1 1.0 1.0
2 王骏涛 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (43)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (10)
二级引证文献  (2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
朴素贝叶斯模型
机器学习
特征分析
恶意软件
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
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导