基于棧式自編碼的惡意代碼分類算法
大?。?/span>1.03 MB 人氣： 2018-01-16 需要積分：3
針對傳統(tǒng)機器學(xué)習方法不能有效地提取惡意代碼的潛在特征，提出了基于棧式自編碼（ stacked auto en-coder，SAE）的惡意代碼分類算法。其次從大量訓(xùn)練樣本中學(xué)習并提取惡意代碼紋理圖像特征、指令語句中的隱含特征；在此基礎(chǔ)上，為提高特征選擇對分類算法準確性的提高，將惡意代碼紋理特征以及指令語句頻度特征進行融合，訓(xùn)練棧式自編碼器和softmax分類器。實驗結(jié)果表明，基于惡意代碼紋理特征以及指令頻度特征，利用棧式自編碼分類算法對惡意代碼具有較好的分類能力，其分類準確率高于傳統(tǒng)淺層機器學(xué)習模型（隨機森林、支持向量機），相比隨機森林的方法提高了2. 474%，相比SVM的方法提高了1.235%。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于棧式自編碼的惡意代碼分類算法下載
相關(guān)電子資料下載
- 惡意代碼輔助檢測系統(tǒng)：“降低、保障、智能”缺一不可 282
- 準確識別APT，選對惡意代碼檢測系統(tǒng)最重要 257
- 如何甄選一款優(yōu)異的“惡意代碼輔助檢測系統(tǒng)” 401
- 機器學(xué)習有哪些算法？機器學(xué)習分類算法有哪些？機器學(xué)習預(yù)判有哪些算法？ 1621
- 每日一課 | 智慧燈桿視覺技術(shù)之圖像分類算法與步驟分解 322
- 反虛擬機技術(shù)合集4 824
- 反虛擬機技術(shù)合集3 484
- 反虛擬機技術(shù)合集2 515
- 反虛擬機技術(shù)合集1 1069
- 基于卷積神經(jīng)網(wǎng)絡(luò)的垃圾圖像分類算法 857