基于AdaBoost算法的Linux病毒检测研究

来源：计算机工程杂志2018年第8期北京时间：

作者：吴恋,马敏耀,黄一峰,赵勇

单位：1.贵州师范学院 a.数学与计算机科学学院; b.大数据科学与智能工程研究院,贵阳 550018; 2.重庆邮电大学 新一代宽带移动通信终端研究所,重庆 400065; 3.北京大学深圳研究生院 信息工程学院,深圳 518055

摘要：根据机器学习中分类和集成学习理论,设计一种高性能的Linux病毒检测方法。通过训练得到若干基分类器,然后将基分类器的分类结果进行整合,以获得最终检测结果。该方法以ELF文件特征为样本特征、BP神经网络为基分类器,用AdaBoost算法进行基分类器的训练和整合 。对AdaBoost算法的基分类器权重计算及基分类器整合部分进行改进,使之更适用于病毒检测问题。实验结果表明,该方法的病毒检测效果优于Avria Linux和F-PROT方法。

关键词：病毒检测,AdaBoost算法,BP神经网络,ELF文件特征,D-S证据理论

基金资助：贵州省教育厅自然科学研究项目(青年项目)(黔教合KY字【2015】425);贵州省省级重点支持学科“计算机应用技术”(黔学位合字ZDXK【2016】20号);贵州省科技平台及人才团队专项资金(黔科合平台人才【2016】5609);贵州省科学技术基金(黔科合基础【2016】1115)。