公开(公告)号：CN109033836A

公开(公告)日：2018-12-18

申请号：CN201810815327.2

申请日：2018-07-24

Applicant: 南开大学

Inventor： 王志 ,  余沛然 ,  孙心怡 ,  魏然 ,  邱克帆

IPC: G06F21/56

CPC classification number: G06F21/563 ,  G06F21/561

Abstract: 本发明提出了一种基于统计学习的恶意代码多模型交叉检测方法，可较好地应用于在恶意代码检测领域。该方法引入可信度，解决各个机器学习模型彼此孤立的问题，提供一个机器学习模型间互相学习的平台。另外，在细粒度的统计学习平台上，多个机器学习模型从不同角度统计分析恶意代码的变异过程，缓解单一模型的退化问题，并使用APV算法来识别概念漂移现象，从而实现多模型共同防御。

公开(公告)号：CN109033836B

公开(公告)日：2021-07-20

申请号：CN201810815327.2

申请日：2018-07-24

Applicant: 南开大学

Inventor： 王志 ,  余沛然 ,  孙心怡 ,  魏然 ,  邱克帆

IPC: G06F21/56

Abstract: 本发明提出了一种基于统计学习的恶意代码多模型交叉检测方法，可较好地应用于在恶意代码检测领域。该方法引入可信度，解决各个机器学习模型彼此孤立的问题，提供一个机器学习模型间互相学习的平台。另外，在细粒度的统计学习平台上，多个机器学习模型从不同角度统计分析恶意代码的变异过程，缓解单一模型的退化问题，并使用APV算法来识别概念漂移现象，从而实现多模型共同防御。