湖北工业大学学报2020，Vol.35Issue(2) ：56-60.

基于纹理特征和随机森林的恶意代码分类研究

Classification of Malware Based on Texture Feature and Random Forest

刘宇强 李军 范志鹏
湖北工业大学学报2020，Vol.35Issue(2) ：56-60.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于纹理特征和随机森林的恶意代码分类研究

Classification of Malware Based on Texture Feature and Random Forest

刘宇强 1李军 1范志鹏1
扫码查看

作者信息

  • 1. 湖北工业大学计算机学院,湖北武汉430068
  • 折叠

摘要

为高效地识别分析恶意软件,及时防范可能的危害,提出了一种基于图像灰度纹理特征的静态分类方法.根据代码的指令长度特点,设计并提取病毒代码的多字节图像纹理,并统一成二维特征,然后将所有的特征文件作为训练集进行随机森林机器学习方法分类.利用标准数据集进行的实验表明,该方法可以达到96.36％的精度,并分析了各个字节代码特征的重要性,进一步提出了简化的分类方法.

关键词

恶意代码分类/灰度纹理特征/随机森林

引用本文复制引用

出版年

2020
湖北工业大学学报
湖北工业大学

湖北工业大学学报

CHSSCD
影响因子：0.258
ISSN：1003-4684
参考文献量8
段落导航相关论文