摘要
在借鉴传统的特征扫描技术的基础上,提出了一种基于n-gram分析的计算机病毒自动检测方法。将基于信息增益的特征选择技术引入集成神经网络的构建中,结合Bagging算法,同时扰动训练数据和输入属性生成精确且差异度大的个体分类器,在此基础上以集成的BP神经网络为模式分类器实现对病毒的检测。该法并不针对某一特定病毒,是一种通用的病毒检测器。实验表明提出的检测方法具有较强的泛化能力和较高的精确率。
Motivated by the standard signature-based technique for detecting viruses,we explore the idea of automatically detecting malicious code using the n-gram analysis.After selecting features based on information gain,the BP neural network is used in the process of building and testing the proposed multi-classifiers system.Experimental results produced by the proposed detection engine shows improvement of accuracy and generalization compared to the classification results of the individual classifier.
出处
《计算机工程与应用》
CSCD
北大核心
2007年第13期26-29,共4页
Computer Engineering and Applications
基金
国家自然科学基金(the National Natural Science Foundation of China under Grant No.60373023)
湖南省教育厅优秀青年基金资助项目(No.05B072)。
关键词
计算机病毒
集成学习
信息增益
BP神经网络
computer viruses
ensemble learning
information gain
BP neural network
