基于协同采样主动学习的恶意代码检测

摘要：

研究了基于机器学习分类算法的恶意代码检测,考虑到目前主要采用传统分类方法对恶意代码进行分类识别,这些方法需要通过学习大量标记样本来获得精准的分类器模型,然而样本标记工作只有少数专家才能完成,导致标记样本往往不足,致使分类结果准确率不高,提出了一种基于协同采样的主动学习方法.运用这种学习方法,仅需少量标记样本即可有效识别出恶意代码.实验证明,相对于传统的恶意代码分类方法,该方法能够显著提升分类准确率和泛化性能.

关键词：主动学习、支持向量机(SVM)、概率性神经网络(PNN)、协同采样

所属期刊栏目：26

分类号：TP3;TP1

资助基金：国家自然科学基金61202067,61271275;863计划2012AA013001,2013AA013205,2013AA013204

在线出版日期：2016-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：458-463