10.14132/j.cnki.1673-5439.2019.03.012
基于NE-VASVM的JavaScript恶意代码检测系统
针对传统的JavaScript恶意代码静态检测所存在的样本标记工作量大,以及由于样本冗余度高、泛化能力不足所导致的分类精确度低的问题,提出了一种新的支持向量机的自主学习策略VASVM,通过价值度量的定义优化了最有价值样本的选择策略,同时结合迭代地调整训练集平衡度,提高了训练集泛化能力和训练过程的收敛速度.然后在此基础上利用NE-SVM算法对采用VASVM所选择的训练集进行剪裁以降低样本冗余度,并且进一步提高了泛化能力.最后得到了基于VASVM策略和NE-SVM算法所结合形成的NE-VASVM系统.实验结果表明,基于NE-VASVM的JavaScript恶意代码检测系统有效减少了人工标记工作量,提高了分类器精度.
支持向量机、主动学习、价值度量、训练集剪裁
39
TP393(计算技术、计算机技术)
国家自然科学基金61402241;江苏省高校自然科学研究项目17KJB520026;南京邮电大学校级科研基金NY217050
2019-07-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
82-90