申请/专利权人:典基网络科技(上海)有限公司
申请日:2024-02-29
公开(公告)日:2024-04-02
公开(公告)号:CN117807598A
主分类号:G06F21/56
分类号:G06F21/56;G06F18/213;G06F18/241;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及一种恶意软件的检测方法及装置,属于计算机安全技术领域,获取应用程序中不同类别的特征集;对不同类别的特征集进行预处理,得到预处理后的不同类别的特征集;分别采用卡方分数和随机森林方法对预处理后的不同类别的特征集进行特征选择,得到目标特征集;采用Stacking集群模型对目标特征集进行预测,得到预测结果,并根据预测结果和目标阈值的比对结果,确定应用程序为恶意软件。该方法通过卡方分数和随机森林方法对特征集进行特征选择,可去除冗余和噪声特征,且采用Stacking集群模型对目标特征集进行预测,提高了恶意软件识别的效率和准确性。
主权项:1.一种恶意软件的检测方法,其特征在于,包括:S1,获取应用程序中不同类别的特征集;S2,对所述不同类别的特征集进行预处理,得到预处理后的所述不同类别的特征集;S3,分别采用卡方分数和随机森林方法对预处理后的所述不同类别的特征集进行特征选择,得到目标特征集;S4,采用Stacking集群模型对所述目标特征集进行预测,得到预测结果,并根据所述预测结果和目标阈值的比对结果,确定所述应用程序为恶意软件;其中,分别采用卡方分数和随机森林方法对预处理后的所述不同类别的特征集进行特征选择,得到目标特征集,包括:采用所述卡方分数对预处理后的所述不同类别的特征集进行特征选择,得到第一特征集;采用所述随机森林方法对预处理后的所述不同类别的特征集进行特征选择,得到第二特征集;根据所述第一特征集和所述第二特征集,确定所述目标特征集。
全文数据:
权利要求:
百度查询: 典基网络科技(上海)有限公司 一种恶意软件的检测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。