恶意代码是网络空间面临的最大威胁之一,在各类网络安全事件中,恶意代码是其中最主要的攻击载体.由于经济利益驱动和各种反查杀手段的应用,恶意代码的数量呈指数级爆发增长,导致网络安全威胁事件逐年上升.对恶意代码家族分类算法进行研究,有助于对恶意代码的恶意功能进行归纳,指导防御者依据家族特征选取最有效的防御方法.本论文通过分析恶意代码样本的格式结构信息,结合机器学习中的极限学习机算法,在已有研究的基础上对恶意代码分类技术进行研究,设计了基于极限学习的恶意代码家族分类算法.实验表明,本文提出的技术方法能有效的实现恶意代码家族分类,分类准确精度达到90％以上.
NETL
