%0 Journal Article
%T 改进贝叶斯算法在未知恶意软件识别中的研究
%J 北京工业大学学报
%D 2011
%X 为改进朴素贝叶斯(naiveBayes,NB)算法在识别未知恶意代码过程中学习速度慢的缺点,在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naiveBayes,MNB)算法的基础上,提出了一种改进贝叶斯(half-incrementnaiveBayes,HNB)算法.算法采用特征集增量学习方式,在保证分类精度不降低的前提下,学习速度提高约30%.实际样本测试表明,分类精度达到了96%,其中对已知恶意代码的分类精度达到99%.
%K 分类器
%K 数据挖掘
%K 贝叶斯算法
%U http://www.bjgd.cbpt.cnki.net/WKA/WebPublication/paperDigest.aspx?paperID=B2EB00D5-2F88-4505-8CED-DC6965A3690D