使用机器学习的恶意软件分类方法综述-研究论文
本文讨论了使用机器学习进行恶意软件分类的方法，问题和解决方案。 可以相信，被释放的恶意软件的数量可能会超过权威软件的释放。 由于恶意软件每年都会变得越来越复杂，因此需要从传统方法转变为使系统自动学习。 这里的主要重点是研究机器学习方法以及它们的检测和分类问题。 说明了特征选择和高假阳性问题，并提出了解决方案。 然后将操作码，n-gram操作码，基于图像的分类技术进行比较。 这些方法将有助于清除恶意软件并将其分类到其家族中。 与常规操作码和基于图像的分类器相比，使用n-gram操作码分类时基于准确性的结果更好，但是使用集成方法结合了这两种方法的优点，例如，过拟合和FPR较低，最终结果显示出分类精度更高和提供总体上更好的恶意软件分类。
文件下载
评论信息
其他资源
- 工业机器人专业术语大全.pdf
- 机器视觉算法与应用随书下载示例图像和资源
- 滴答清单PC破解版
- c/c++ 字符集 gbk/utf8互转，Ansi/Utf8互转 纯c实现跨平台
- Kmeans++算法对图像进行分割
- C#通过串口获取地磅称重重量
- 八数码问题
- Vivado 2017.4和2018.3 license
- ZigBee标准053474r17
- AndroidViewPager使用详解
- 《C语言接口与实现》书中源代码
- FyreString：FyreString是PHP的免费开源字符串实用程序库-源码
- 毁灭音效卡(非100%还原).zip
- Xshell-7.0.0056.exe
- password_checker-源码
- 胶枪：用于构建由TypeScript驱动的命令行应用程序的令人愉悦的工具包-源码
- ARM DS-5实战开发从入门到精通高清完整版
- Game Programming Gems 4
- ST电机库5.3.3_FUL版本
- Total Uninstall Pro Portable(完全卸载) v6.3.1 中文绿色便携完美注册版
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明