基于AdaBoost算法的Linux病毒检测研究

• 作者: 吴恋 赵勇 马敏耀 黄一峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 病毒检测 AdaBoost算法 BP神经网络 ELF文件特征 D-S证据理论
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 安全技术
• 页码范围: 161-166,173
• 页数: 7页
• 分类号: TP391
• 字数: 5982字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0048395

摘要

根据机器学习中分类和集成学习理论,设计一种高性能的Linux病毒检测方法.通过训练得到若干基分类器,然后将基分类器的分类结果进行整合,以获得最终检测结果.该方法以ELF文件特征为样本特征、BP神经网络为基分类器,用AdaBoost算法进行基分类器的训练和整合.对AdaBoost算法的基分类器权重计算及基分类器整合部分进行改进,使之更适用于病毒检测问题.实验结果表明,该方法的病毒检测效果优于Avria Linux和FPROT方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵勇	北京大学深圳研究生院信息工程学院	38	285	10.0	16.0
2	黄一峰	重庆邮电大学新一代宽带移动通信终端研究所	9	32	3.0	5.0
3	马敏耀	贵州师范学院数学与计算机科学学院	17	18	3.0	3.0
7	吴恋	贵州师范学院数学与计算机科学学院	25	14	2.0	2.0