作者:
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:
随着手的广泛应用,针对手机的恶意代码带来的风险也越来越凸显.大多数恶意代码检测系统难以检测未知的恶意代码.本文提出采用随机森林、前馈神经网络、深度学习等多种机器学习算法集成,构建一个恶意代码检测系统,并将其部署在云端.
推荐文章
一种针对Android平台恶意代码的检测方法及系统实现
Android
恶意代码检测
静态分析
动态分析
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
路径条件驱动的混淆恶意代码检测
程序调试
恶意代码检测
代码混淆
路径分析
动态测试
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
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 一种多机器学习算法集成的恶意代码检测系统
来源期刊 网络安全技术与应用 学科
关键词 机器学习 随机森林 前馈神经网络
年,卷(期) 2018,(4) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 33-34
页数 2页 分类号
字数 2321字 语种 中文
DOI 10.3969/j.issn.1009-6833.2018.04.017
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 王子腾 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (3)
同被引文献  (15)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器学习
随机森林
前馈神经网络
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