一种互联网客户端病毒防御方法的设计与仿真

由于传统方法将病毒特征分类结果直接用于病毒检测,特征独立性无法满足,存在病毒检测漏报率与误报率较高的问题,为加强网络安全防御的智能化与主动化,提出基于人工智能的互联网客户端病毒防御方法。利用熵值表达式判断特征信息涵盖量,结合信息增益判定特征属性重要性,提取病毒数据特征;使用贝叶斯分类器对所有未知类别设定标签,构建分类训练网络模型;通过定义变体公式和规则匹配度改进训练网络,获取规则集合,并在规则集合中找出与病毒数据特征相似度最高的规则,完成病毒检测;设置客户端病毒防御架构,计算病毒数据与合法数据的流表项命中率,凭借设定的阈值得到最佳防御持续时间,实现病毒防御。仿真结果证明,上述方法能够降低病毒检测的漏报率与误报率,从根本上保障网络安全。