基于机器学习的计算机恶意程序检测模型构建与实现

热度2151票  浏览2985次 【共0条评论】【我要评论 时间:2012年4月18日 18:50
恶意程序指破坏计算机系统、收集敏感信息或未经授权访问计算机系统的程序。恶意程序包括病毒、蠕虫、木马、后门、构造器、间谍软件等种类。
自然语言处理与信息检索共享平台)]1V[p-U
近年来每年新增恶意程序数量迅速增长。2011年新增恶意程序接近1800万个,平均每天产生约5万个新的恶意程序。传统的杀毒软件使用特征匹配的方式检测恶意程序。从恶意程序出现到用户更新杀毒软件特征库得到其特征需要数小时至数天时间。这一段时间内恶意程序无法被检测,这为其爆发提供了便利条件。

)n4R&_ ei9Y0
本模型使用文本分类的方法对合法程序和恶意程序进行分类,从而达到检测恶意程序的目的。这种方式不依赖于恶意程序特征,可以在杀毒软件尚未获得特征的条件下检测到新出现的恶意程序。
自然语言处理与信息检索共享平台C;D)ox })|
基于机器学习的计算机恶意程序检测模型构建与实现.ppt(1.46 MB)
TAG: 恶意程序 机器学习
顶:157 踩:154
对本文中的事件或人物打分:
当前平均分:-0.72 (626次打分)
对本篇资讯内容的质量打分:
当前平均分:-0.27 (616次打分)
【已经有598人表态】
110票
感动
63票
路过
67票
高兴
65票
难过
64票
搞笑
74票
愤怒
78票
无聊
77票
同情
上一篇 下一篇
发表评论
换一张

网友评论仅供网友表达个人看法,并不表明本网同意其观点或证实其描述。

查看全部回复【已有0位网友发表了看法】