基于弱相关集成策略的恶意行为识别方法、系统和介质

发明专利有效专利

申请号：
CN202110590847.X
IPC分类号：G06F21/56;G06N20/20;G06K9/62
申请日期：
2021-05-28
申请人：
广州大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于弱相关集成策略的恶意行为识别方法、系统和介质
申请号	CN202110590847.X	申请日期	2021-05-28
法律状态	实质审查	申报国家	暂无
公开/公告日	2021-08-06	公开/公告号	CN113221112A
优先权	暂无	优先权号	暂无
主分类号	G06F21/56 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F21/24 （转入G06F 21/60） G06F21/50 监控用户、程序或设备，以维护平台完整。例如处理器、固件或操作系统〔2013.01〕 G06F21/55 检测本地入侵或实施对策〔2013.01〕 G06F21/56 计算机恶意软件检测或处理，例如反病毒装置〔2013.01〕	IPC分类号	G;0;6;F;2;1;/;5;6;;;G;0;6;N;2;0;/;2;0;;;G;0;6;K;9;/;6;2查看分类表>
申请人	广州大学	申请人地址	广东省广州市番禺区大学城外环西路230号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	广州大学	当前权利人	广州大学
发明人	李树栋;厉源;吴晓波;韩伟红;方滨兴;田志宏;顾钊铨;殷丽华;杨航锋
代理机构	广州市华学知识产权代理有限公司	代理人	李斌

摘要

本发明公开了一种基于弱相关集成策略的恶意行为识别方法、系统和介质，该方法包括利用样本集构建基模型；基于XGBoost对恶意代码动态行为特征进行筛选；基于弱相关集成策略对基模型进行相关性检验；根据基模型的准确率确定其集成权重；基于Bagging集成策略对恶意代码进行分类。本发明在恶意代码识别中首先采用了XGBoost算法来确定集成学习基模型的个数，降低了集成学习中基模型的选择问题，还提高了恶意代码识别的准确性。另外，本发明采用了集成学习基模型的弱相关集成策略，弱化了使用集成策略解决恶意代码分类任务时普遍存在的基模型之间的相关性问题，并且构建了基于以准确率为导向的单模型权重确定模型，完成高效、准确的恶意代码识别任务。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供