基于堆叠算法的代码混淆有效性评估模型

摘要：

为解决代码混淆算法有效性评估模型存在评价指标不全面、单一学习器泛化能力低的问题,提出一种融合自适应增强训练机制和Stacking算法的代码混淆算法有效性评估模型SDF-Stacking.构建一个包括强度、弹性、开销、隐蔽性4大特征的代码混淆有效性评价指标集合;在模型的基分类器训练阶段引入自适应增强训练机制,提高基分类器的预测精度和多样性;使用最大互信息算法做数据融合,增大元分类器训练数据信息量.实验结果表明,该模型在多个评价指标上均优于其它对比模型,准确率可达98.6％.

关键词：Stacking算法、自适应增强训练、代码混淆、数据采样权重、混淆算法有效性评估、特征提取、特征选择

所属期刊栏目：44

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省自然科学基金项目;广东省高等教育教学改革基金

在线出版日期：2023-05-08（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：755-761