基于改进的朴素贝叶斯恶意代码检测技术研究
摘要
文章介绍了传统的朴素贝叶斯恶意代码检测算法，并在传统朴素贝叶斯算法基础上提出改进，引入贡献系数以增大特征项对合法代码与恶意代码区分的能力，实验表明该方法有效提高了恶意代码的检测率和精准率，并且降低了恶意代码的误报率。
二级参考文献17
-
1边肇祺 张学工.模式识别，第二版[M].北京:清华大学出版社,1999.223-226.
-
2Sahami M, et al. A Bayesian Approach to Filtering E-Mail. http://robotics.stanford. edu/users/sahami/papers-dir/. spam. ps, 1998
-
3Sahami M. Using Machine Learning to Improve Information Ac cess: [PhD thesis].Stanford University, Dec. 1998.11～29,170～ 180
-
4Rennie J D M. ifile: An Application o[ Machine Learning to EMail Filtering.http://www. cs. cmu. edu/～ jr6b/papers/ifile98.ps,1998
-
5Cohen W W. Learning rules that classify E-Mail. In: Proc. of the AAAI SpringSymposium on Machine Learning in Information Access,1996
-
6Payne T. Learning Email Filtering Rules with Magi A Mail Agent Interface,MScThsis,University of Aberdeen,Scotland,1994
-
7Lewis D D. Feature Selection and Feature Extraction for Text Categorization.http://www. research. att. com/～ lewis/chrono- bib. html/lewis92e. ps, 1992
-
8Nigam K,et al. Using EM to Classify Text from Labeled and Un labeled Document.http://www-2. cs. emu. edu/pepole/mccallum/emcat-mlj2000. ps, 1998
-
9McCallum A,Nigam K. A Comparison of Event Model for Naive Bayes TextClassification. http://www-2. cs. cmu. edu/people/mccallum/multionmial-aaai98w. ps, 1998
-
10史忠植.高级人工智能[M].北京：科学出版社,1997..
共引文献21
-
1李闻天.基于贝叶斯过滤算法的反垃圾邮件策略[J].昆明理工大学学报（理工版）,2005,30(3):68-71. 被引量：5
-
2张健,陈拓,韩益亮,畅雄杰,李彩霞,潘峰.最小风险的Naive Bayes技术在反垃圾邮件系统中的应用[J].微电子学与计算机,2005,22(12):139-141. 被引量：3
-
3陈治平,王雷.基于自学习K近邻的垃圾邮件过滤算法[J].计算机应用,2005,25(B12):7-8. 被引量：15
-
4段宏斌,张健.改进的Naive Bayes技术在反垃圾邮件系统中的应用[J].西北大学学报（自然科学版）,2006,36(5):737-740. 被引量：6
-
5王毅,谢治华,梁国彪.基于知识积累方法的垃圾邮件过滤算法[J].科学技术与工程,2007,7(11):2556-2558.
-
6范婕婷,赖惠成.一种基于SVM算法的垃圾邮件过滤方法[J].计算机工程与应用,2008,44(28):95-97. 被引量：5
-
7云炜,段禅伦.基于粗糙集理论的双向垃圾邮件分类模型的研究[J].计算机工程与科学,2008,30(10):8-10. 被引量：1
-
8崔永君,张永花.单一表文件垃圾邮件过滤算法的研究与实现[J].计算机工程与设计,2009,30(5):1057-1059.
-
9张永花,崔永君.基于最小风险的单一表文件垃圾邮件过滤算法[J].兰州交通大学学报,2009,28(1):60-63. 被引量：1
-
10杨丽华,李保林.SMO算法在邮件过滤中的应用[J].湖北汽车工业学院学报,2009,23(1):50-54. 被引量：1
