国产精品高清免费在线观看,日韩欧美精品在线观看视频,亚洲午夜久久久影院伊人

基于机器学习的恶意软件检测研究进展及挑战
所屬分類：技术论文
上傳者：aetmagazine
文檔大小：681 K
標簽：恶意软件检测静态检测机器学习
所需積分：0分積分不夠怎么辦？
文檔介紹：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。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。