首页|基于多阶融合训练的恶意程序检测

基于多阶融合训练的恶意程序检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
当前互联网上恶意软件极度泛滥,这些恶意软件不仅影响用户正常使用计算机,甚至还会造成破坏和经济损失,由恶意软件造成的损失事件频发,急需具有良好效果的检测模型.当前针对恶意软件检测的研究成果主要集中在特征工程和算法选择上,由于恶意软件反检测能力的进步,传统的检测方法已经不能应对具备对抗检测能力的恶意软件.为了解决此类问题,从特征融合和模型融合两个角度,用多阶训练的思想,建立了一种更有效的恶意软件检测模型.在真实数据集上的评估结果表明,该模型具有优秀的检测效果,准确率等相关评估指标均达到0.97以上的水平.
Malware Detection Based on Multi-level Fusion Training

王丛双、方勇

展开 >

四川大学网络空间安全学院,成都 610207

模型融合 特征融合 恶意程序检测 机器学习

四川省科技计划

2020YFG0076

2022

10.3969/j.issn.1007-1423.2022.03.008

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(3)
  • 8