10.3969/j.issn.1001-2400.2013.06.021
AdaBoost恶意程序行为检测新算法
提出了一种新的程序行为抽象方法,将程序执行时发起的API调用、网络数据包信息以及静态分析给出的文件结构特征作为数据源,对API序列进行低聚合度依赖关系分析,将网络数据包信息及静态分析结果转化为离散值特征,共同嵌入到高维特征空间中.在此基础上,采用决策树作为子分类器,针对AdaBoost.M1算法容易过度拟合噪声数据的问题,设计出一种基于改进AdaBoost.M1算法的恶意程序行为检测算法.该算法采用一种新的损失函数,降低了噪声数据进入训练下一个子分类器的训练样本集的概率,提高了算法的抗噪声能力;同时,为每个子分类器生成一个投票向量,而不是单一的投票权值,以区分子分类器对不同类别样本分类的能力.
恶意程序、行为抽象、分类、决策树、AdaBoost、损失函数
40
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61072109,61272280,41271447,61272195;教育部新世纪优秀人才支持计划资助项目NCET-12-0919;中央高校基本科研业务费专项资金资助项目K5051203020,K5051203001,K5051303018
2013-12-31（万方平台首次上网日期，不代表论文的发表时间）
共9页
116-124
