基于AdaBoost算法的Linux病毒检测研究

摘要：

根据机器学习中分类和集成学习理论,设计一种高性能的Linux病毒检测方法.通过训练得到若干基分类器,然后将基分类器的分类结果进行整合,以获得最终检测结果.该方法以ELF文件特征为样本特征、BP神经网络为基分类器,用AdaBoost算法进行基分类器的训练和整合.对AdaBoost算法的基分类器权重计算及基分类器整合部分进行改进,使之更适用于病毒检测问题.实验结果表明,该方法的病毒检测效果优于Avria Linux和FPROT方法.

关键词：病毒检测、AdaBoost算法、BP神经网络、ELF文件特征、D-S证据理论

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：贵州省教育厅自然科学研究项目青年项目黔教合KY字[2015]425;贵州省省级重点支持学科“计算机应用技术”黔学位合字ZDXK[2016]20号;贵州省科技平台及人才团队专项资金黔科合平台人才[2016]5609;贵州省科学技术基金黔科合基础[2016]1115

在线出版日期：2018-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：161-166,173