教師資料查詢 | 類別: 會議論文 | 教師: 李鴻璋 Lee Hung-chang (瀏覽個人網頁)

標題:基於RFpS的集成學習於惡意程式分類之研究
學年
學期
發表日期2017/10/25
作品名稱基於RFpS的集成學習於惡意程式分類之研究
作品名稱(其他語言)
著者李鴻璋; 趙偉傑
作品所屬單位
出版者
會議名稱TANet 2017臺灣網際網路研究會
會議地點臺灣 臺中市 東海大學
摘要在惡意程式分析這領域,雖然近幾年在機器
學習與人工智慧的挹注下有顯著的分析成果,然
而,一般機器學習的分類方法遇到大量特徵時,會
有學習時間過長以及大量消耗資源的問題。
本論文提出一個稱為 RFpS(Random
Forest predicated Svm)的兩段監督式集成學習的
快速分類技術。克服以往因過多的多餘特徵訊息
所造成的模型過度配適(overfitting)以及預測雜
訊的問題。RFpS 是結合 Random Forest 特徵萃取
與 SVM 強分類的學習與預測能力,針對惡意程式
進行快速及精準的分類。驗證的結果說明,RFpS
方法與單獨只用 SVM 比較下,其平均學習塑型速
度增加約4.5倍,而預測速度增加約2.5倍,平均精
準度提昇約20%,達到98.4%。
關鍵字惡意程式分類;機器學習;集成學習
語言中文
收錄於
會議性質國內
校內研討會地點
研討會時間20171025~20171027
通訊作者趙偉傑
國別中華民國
公開徵稿
出版型式
出處TANet 2017臺灣網際網路研究會論文集 pp. 72~75.
相關連結
SDGs
Google+ 推薦功能,讓全世界都能看到您的推薦!