基于神經(jīng)網(wǎng)絡(luò)集成的病毒檢測(cè)技術(shù)研究.pdf

1、當(dāng)前，科學(xué)技術(shù)的飛速發(fā)展，使得計(jì)算機(jī)在人類的生活和工作中扮演著重要角色，但是隨之而來的計(jì)算機(jī)病毒給人類帶來了巨大損失。因此，研究實(shí)現(xiàn)一種通用的病毒檢測(cè)模型具有很大的現(xiàn)實(shí)意義。
　　本文首先研究分析計(jì)算機(jī)病毒和神經(jīng)網(wǎng)絡(luò)的相關(guān)原理，具體闡述了病毒特性、組成、分類和神經(jīng)網(wǎng)絡(luò)的功能特性。之后詳細(xì)論述了神經(jīng)網(wǎng)絡(luò)集成理論，并在此基礎(chǔ)上通過改進(jìn)BP子分類器和引入D-S證據(jù)理論作為新的集成技術(shù)進(jìn)行神經(jīng)網(wǎng)絡(luò)集成優(yōu)化。為了選擇識(shí)別率較高和差異度較大的

2、子分類器提高集成系統(tǒng)的泛化能力，本文通過兩種方式改進(jìn)BP子分類器。一種是引入動(dòng)量因子，這種技術(shù)是目前比較成熟的改進(jìn)方法，另外一種是在傳統(tǒng)的自適應(yīng)學(xué)習(xí)速率基礎(chǔ)上進(jìn)行改進(jìn)提出改進(jìn)的自適應(yīng)學(xué)習(xí)速率。這兩種方法不但可以緩解BP子分類器收斂速度慢和局部極小值問題，還可以減少子分類器間的相關(guān)度。D-S證據(jù)理論作為新的集成技術(shù)可以避免傳統(tǒng)投票法的不公平性，在不增加算法復(fù)雜的前提下提高識(shí)別率。本文基于優(yōu)化的神經(jīng)網(wǎng)絡(luò)集成提出D-S病毒檢測(cè)模型，該模型是一

3、種通用的病毒檢測(cè)器，可以有效識(shí)別多種常見病毒。樣本特征的提取使用N-gram模型進(jìn)行一次篩選和使用信息增益進(jìn)行二次篩選，減少輸入信息，降低信息維度。在訓(xùn)練過程中使用Bagging算法擾動(dòng)訓(xùn)練數(shù)據(jù)降低子分類器的相關(guān)程度。
　　本文結(jié)合實(shí)驗(yàn)室的軟硬件開發(fā)環(huán)境，在Matlab平臺(tái)上設(shè)計(jì)仿真實(shí)驗(yàn)，驗(yàn)證了改進(jìn)的BP算法在收斂速度和極小值問題上有所緩解，驗(yàn)證了集成檢測(cè)結(jié)果明顯優(yōu)于單分類器的檢測(cè)結(jié)果。與傳統(tǒng)的基于投票法的神經(jīng)網(wǎng)絡(luò)集成病毒檢測(cè)模型