计算机安全
計算機安全
계산궤안전
NETWORK AND COMPUTER SECURITY
2008年
5期
86-88
,共3页
计算机病毒%神经网络集成%负相关学习
計算機病毒%神經網絡集成%負相關學習
계산궤병독%신경망락집성%부상관학습
该文针对Win32PE病毒种类多,破坏力强的特点,提出一种基于神经网络集成的病毒检测方法.神经网络集成采用负相关学习方法进行训练,采用n-gram特征字统计方法得到病毒特征字,计算特征字信息条件熵,来选择作为训练样本的特征字.实验结果表明,神经网络集成改善了传统的特征字比对法不能识别新的病毒,容易被病毒制造者克服的缺点,在保证对Win32PE病毒较高的检测率的同时保持了较低的误检率.
該文針對Win32PE病毒種類多,破壞力彊的特點,提齣一種基于神經網絡集成的病毒檢測方法.神經網絡集成採用負相關學習方法進行訓練,採用n-gram特徵字統計方法得到病毒特徵字,計算特徵字信息條件熵,來選擇作為訓練樣本的特徵字.實驗結果錶明,神經網絡集成改善瞭傳統的特徵字比對法不能識彆新的病毒,容易被病毒製造者剋服的缺點,在保證對Win32PE病毒較高的檢測率的同時保持瞭較低的誤檢率.
해문침대Win32PE병독충류다,파배력강적특점,제출일충기우신경망락집성적병독검측방법.신경망락집성채용부상관학습방법진행훈련,채용n-gram특정자통계방법득도병독특정자,계산특정자신식조건적,래선택작위훈련양본적특정자.실험결과표명,신경망락집성개선료전통적특정자비대법불능식별신적병독,용역피병독제조자극복적결점,재보증대Win32PE병독교고적검측솔적동시보지료교저적오검솔.
