基于機器學習的惡意軟件檢測研究進展及挑戰(zhàn) | |
所屬分類:技術論文 | |
上傳者:aetmagazine | |
文檔大?。?span>681 K | |
標簽: 惡意軟件檢測 靜態(tài)檢測 機器學習 | |
所需積分:0分積分不夠怎么辦? | |
文檔介紹:由于惡意軟件的數(shù)量日漸龐大,攻擊手段不斷更新,結合機器學習技術是惡意軟件檢測發(fā)展的一個新方向。先簡要介紹惡意軟件檢測中的靜態(tài)檢測方法以及動態(tài)檢測方法,總結基于機器學習的惡意軟件檢測一般流程,回顧了研究進展。通過使用Ember 2017和Ember 2018數(shù)據(jù)集,分析驗證了結構化特征相關方法,包括隨機森林(Random Forest,RF)、LightGBM、支持向量機(Support Vector Machine,SVM)、K-means以及卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network,CNN)等算法模型;使用收集的2019年樣本集分析驗證了序列化特征相關方法,包括幾種常見的深度學習算法模型。計算模型以在不同測試集上的準確率、精確率、召回率以及F1-值作為評估指標。根據(jù)實驗結果分析討論了各類方法的優(yōu)缺點,著重驗證分析了樹模型的泛化能力,表明隨著樣本的不斷演變,模型普遍存在退化問題,并指出進一步研究方向。 | |
現(xiàn)在下載 | |
VIP會員,AET專家下載不扣分;重復下載不扣分,本人上傳資源不扣分。 |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權所有 京ICP備10017138號-2