计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
8期
178-182
,共5页
徐小龙%熊婧夷%王新珩%王汝传
徐小龍%熊婧夷%王新珩%王汝傳
서소룡%웅청이%왕신형%왕여전
恶意代码%报告分类%反病毒%神经网络%信息安全
噁意代碼%報告分類%反病毒%神經網絡%信息安全
악의대마%보고분류%반병독%신경망락%신식안전
Malicious code%Report classification%Anti-virus%Neural network%Information security
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.
目前海量的噁意代碼報告已經成為基于雲安全的反病毒網絡繫統的巨大負擔.使用高效、科學的分類方法對大量湧現的已知或未知的噁意代碼及其變種進行自動分類處理是快速應對噁意代碼的基本前提.為瞭實現對噁意代碼的自動分類,首先對解決聚類問題的經典無鑑督神經網絡模型Kohonen算法進行改進,提齣一種新的、引入部分鑑督學習過程的神經網絡模型A Kohonen算法;然後基于A Kohonen算法實現對各種噁意代碼的自動分類機製,從而為反病毒專傢對噁意代碼進一步細化與分析處理提供有效支持.實驗分析錶明,基于A Kohonen算法的噁意代碼自動分類機製能夠有效、準確地初步分類噁意代碼.
목전해량적악의대마보고이경성위기우운안전적반병독망락계통적거대부담.사용고효、과학적분류방법대대량용현적이지혹미지적악의대마급기변충진행자동분류처리시쾌속응대악의대마적기본전제.위료실현대악의대마적자동분류,수선대해결취류문제적경전무감독신경망락모형Kohonen산법진행개진,제출일충신적、인입부분감독학습과정적신경망락모형A Kohonen산법;연후기우A Kohonen산법실현대각충악의대마적자동분류궤제,종이위반병독전가대악의대마진일보세화여분석처리제공유효지지.실험분석표명,기우A Kohonen산법적악의대마자동분류궤제능구유효、준학지초보분류악의대마.
