基于NE-VASVM的JavaScript恶意代码检测系统

• 作者: 张琳 李麟俊 管衡
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 主动学习 价值度量 训练集剪裁
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 82-90
• 页数: 9页
• 分类号: TP393
• 字数: 7037字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2019.03.012

摘要

针对传统的JavaScript恶意代码静态检测所存在的样本标记工作量大,以及由于样本冗余度高、泛化能力不足所导致的分类精确度低的问题,提出了一种新的支持向量机的自主学习策略VASVM,通过价值度量的定义优化了最有价值样本的选择策略,同时结合迭代地调整训练集平衡度,提高了训练集泛化能力和训练过程的收敛速度.然后在此基础上利用NE-SVM算法对采用VASVM所选择的训练集进行剪裁以降低样本冗余度,并且进一步提高了泛化能力.最后得到了基于VASVM策略和NE-SVM算法所结合形成的NE-VASVM系统.实验结果表明,基于NE-VASVM的JavaScript恶意代码检测系统有效减少了人工标记工作量,提高了分类器精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琳	南京邮电大学计算机学院	44	414	10.0	19.0
2	管衡	南京邮电大学计算机学院	1	0	0.0	0.0