文献

J-GLOBAL ID：201802282081025348   整理番号：18A0647026

深さ信念ネットワークにおける悪意のあるコード分類戦略の研究【JST・京大機械翻訳】

Research Strategy of Classify Malicious Code into Families on the Method of Deep Belief Net-works

著者 (4件)： Luo Shiqi (新疆大学 軟件学院,烏魯木斉,830008) ,  Tian Shengwei (新疆大学 軟件学院,烏魯木斉,830008) ,  Sun Hua (新疆大学 軟件学院,烏魯木斉,830008) ,  Yu Long (新疆大学 网絡中心,烏魯木斉,830046)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 38  号： 11  ページ： 2465-2470  発行年： 2017年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 悪意のあるコードの分類は,悪意のあるコード分析の分野における重要な問題の1つである。この問題を解決するために,深い信念ネットワーク(DBN)に基づく悪意のあるコード分類戦略を提案したが,この問題を解決することができた。まず第一に,悪意のあるコード画像の特徴と命令文の頻度特性をサンプルから抽出する。次に,精度を向上させるために,上記の2つの特徴を融合した。訓練深さ信念ネットワークモデルにおける制限ボルツマンマシン(Restricted Boltzmann Machine,RBM)と逆伝導アルゴリズム(Back Propagation,BP)。実験結果により,提案した深さ信念ネットワークモデルは,悪意のあるコードに対する分類精度が95.7%に達し,従来の浅い機械学習モデルのKNNの94.5%よりも明らかに高いことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *Boltzmannマシン ,  アルゴリズム ,  画像 ,  機械学習
準シソーラス用語： 分類精度 ,  指令 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： deep belief networks ,  malicious code ,  restricted boltzmann machine ,  classify

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 信念ネットワーク ,  分類 ,  戦略 ,  研究