一种基于A_Kohonen算法的恶意代码自动分类机制

摘要：

目前海量的恶意代码报告已经成为基于云安全的反病毒网络系统的巨大负担.使用高效、科学的分类方法对大量涌现的已知或未知的恶意代码及其变种进行自动分类处理是快速应对恶意代码的基本前提.为了实现对恶意代码的自动分类,首先对解决聚类问题的经典无监督神经网络模型Kohonen算法进行改进,提出一种新的、引入部分监督学习过程的神经网络模型A Kohonen算法;然后基于A Kohonen算法实现对各种恶意代码的自动分类机制,从而为反病毒专家对恶意代码进一步细化与分析处理提供有效支持.实验分析表明,基于A Kohonen算法的恶意代码自动分类机制能够有效、准确地初步分类恶意代码.

关键词：恶意代码、报告分类、反病毒、神经网络、信息安全

所属期刊栏目：41

分类号：TP309.5(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202004,61100199;江苏省自然科学基金项目BK2011754;中国博士后科学基金资助项目2012T50514,2011M500095,2013T60553;江苏省博士后科研资助计划项目1102103C;江苏省高校自然科学研究计划资助项目12KJB520007,13KJB520017;江苏省科技支撑计划BE2013666;南京大学计算机软件新技术国家重点实验室资助项目KFKT2012B21

在线出版日期：2014-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：178-182