基于机器学习的恶意软件检测研究进展及挑战AET-电子技术应用-最丰富的电子设计资源平台

基于机器学习的恶意软件检测研究进展及挑战
所属分类：技术论文
上传者：aetmagazine
文档大小：681 K
标签：恶意软件检测静态检测机器学习
所需积分：0分积分不够怎么办？
文档介绍：由于恶意软件的数量日渐庞大，攻击手段不断更新，结合机器学习技术是恶意软件检测发展的一个新方向。先简要介绍恶意软件检测中的静态检测方法以及动态检测方法，总结基于机器学习的恶意软件检测一般流程，回顾了研究进展。通过使用Ember 2017和Ember 2018数据集，分析验证了结构化特征相关方法，包括随机森林(Random Forest，RF)、LightGBM、支持向量机(Support Vector Machine，SVM)、K-means以及卷积神经网络(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年样本集分析验证了序列化特征相关方法，包括几种常见的深度学习算法模型。计算模型以在不同测试集上的准确率、精确率、召回率以及F1-值作为评估指标。根据实验结果分析讨论了各类方法的优缺点，着重验证分析了树模型的泛化能力，表明随着样本的不断演变，模型普遍存在退化问题，并指出进一步研究方向。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动