一种基于行为集成学习的恶意代码检测方法

• 作者: 何超 张文博 罗怡 胥小波
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 恶意代码 未知威胁 梯度提升树 行为特征
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究报告
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP302
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-318

摘要

为了解决变种恶意代码、未知威胁行为恶意分析等问题,研究了基于梯度提升树的恶意代码分类方法,从大量样本中学习程序行为特征和指令序列特征,实现了智能恶意代码分类功能.将GBDT算法引入恶意代码检测领域,使模型结果行为序列具有可解释性,对恶意代码的检测能力大幅提高.GBDT算法能够客观地反映恶意代码的行为和意图本质,能够准确识别恶意代码.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何超		13	17	2.0	3.0
2	胥小波		7	33	3.0	5.0
6	罗怡		2	1	1.0	1.0
7	张文博		1	1	1.0	1.0