基于adaboost算法的linux病毒检测研究

基于adaboost算法的linux病毒检测研究

ID:12400823

大小:1.23 MB

页数:21页

时间:2018-07-16

基于adaboost算法的linux病毒检测研究_第1页
基于adaboost算法的linux病毒检测研究_第2页
基于adaboost算法的linux病毒检测研究_第3页
基于adaboost算法的linux病毒检测研究_第4页
基于adaboost算法的linux病毒检测研究_第5页
资源描述:

《基于adaboost算法的linux病毒检测研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、(录用定稿)网络首发时间:2017-12-0116:14:12GB/T7714-2015格式参考文献:吴恋;马敏耀;黄一峰;赵勇.基于AdaBoost算法的Linux病毒检测研究[J/OL].计算机工程,:1-7.(2017-12-01).http://kns.cnki.net.cslg.vpn358.com/kcms/detail/31.1289.TP..1126.004.html.基于AdaBoost算法的Linux病毒检测研究吴恋马敏耀黄一峰赵勇贵州师范学院数学与计算机科学学院贵州师范学院大数据科学与智能工程研究院重庆邮电大学新一代宽带移动通信终端研究所北京大学深圳研究生院信息工程学院导

2、出/参考文献已关注关注X关注成功!加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知!分享·新浪微博·腾讯微博·人人网·开心网·豆瓣网·网易微博收藏打印摘    要:使用机器学习中分类和集成学习的理论设计了一种高性能的Linux病毒检测方法,即首先训练得到若干基分类器,然后将基分类器的分类结果进行整合,得到最终检测结果。该方法以ELF文件特征为样本特征、BP神经网络为基分类器,用AdaBoost算法进行基分类器的训练和整合。对AdaBoost算法的基分类器权重计算及基分类器整合部分进行了算法改进,使之更契合于病毒检测问题。实验验证了所提出方法的有效性,该方法的病毒检测效果优于大多传统

3、病毒检测技术。关键词:病毒检测;AdaBoost算法;BP神经网络;ELF文件特征;D-S证据理论;作者简介:吴恋(1988-),女,讲师、硕士,研究方向:机器学习;作者简介:马敏耀,副教授、博士;作者简介:黄一峰,工程师、硕士;作者简介:赵勇,教授、博士。基金:贵州省教育厅自然科学研究项目(青年项目)(黔教合KY字【2015】425);贵州省教育厅创新群体重大研究项目(合同编号:黔教合KY字【2016】040)LinuxVirusDetectionStudyBasedonAdaBoostAlgorithmWuLianMaMinyaoZhaoJianchuanZhaoYongDepartmen

4、tofMathematicsandComputerScience,GuizhouEducationUniversity;Chongqingnextgenerationmobilecommunicationterminallaboratory,ChongqingUniversityofPostsandTelecommunications;Abstract:Ahigh-performanceLinuxvirusdetectionmethodisdesignedusingthetheoryofclassificationandintegrationlearninginmachinelearning.

5、Thismethodis,firsttotrainandobtainanumberofbaseclassifiers,thentointegratethebaseclassifiers'classificationresultstogetthefinaldetectionresult.WeextracttheELFfilefeatureasthesamplefeature,andselectBPneuralnetworksasthebaseclassifiers,andusetheimprovedAdaBoostalgorithmtotrainandintegratethebaseclassi

6、fiers.IntheAdaboostalgorithm,theweightcalculationmethodandintegrationmethodofthebaseclassifiersareimproved,whichmakesthisalgorithmmoresuitableforthevirusdetectionproblem.Theeffectivenessoftheproposeddetectionmethodisverifiedbyrelativeexperiments,whichisbetterthanmosttraditionalvirusdetectionmethods.

7、Keyword:VirusDetection;AdaBoostAlgorithm;BPNeuralNetworks;ELFFileFeature;D-SEvidenceTheory;0概述随着大数据及智能化时代的到来,稳定性好、性能高的Linux操作系统已逐渐成为当下应用主流,针对Linux的各种病毒攻击也越来越频繁。但是由于各种原因,Linux上的病毒检测工具远不如Windows平台上的丰富和有

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。