基于N-Gram与加权分类器集成的恶意代码检测

摘要：

提出网页恶意脚本代码的监测系统,将恶意脚本用V8引擎编译成机器码,用变长N-Gram模型对其进行数据处理,提取特征形成样本训练集.分别与随机森林、逻辑回归及朴素贝叶斯等分类器组合创建分类模型.研究将多个经过训练集训练的分类模型集成,提出加权分类器集成的方式,每个分类器设定不同权值.通过实验分析,试验多种分类器组合,并通过训练集找出最优权值分配.通过比较单个分类器和其他集成方式,结果证明训练过的加权集成分类器的方式能更准确地检测网页存在恶意行为的代码,有较高的准确率.

关键词：恶意代码、N-Gram、机器学习

所属期刊栏目：45

分类号：TP301(计算技术、计算机技术)

在线出版日期：2017-12-14（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：604-609,633