针对恶意JavaScript识别的降维方法

来源：计算机工程与应用杂志2018年第21期北京时间：

作者：刘鹏睿，宋礼鹏

单位：中北大学 大数据学院 大数据与网络安全研究所，太原 030051

摘要：针对将JavaScript代码N-gram处理后识别算法特征维度较高的问题，提出一种高效的降维方法。该方法利用TF-IDF-like模型分别计算特征在正常样本和恶意样本中的权重，基于特征权重在两类样本中的差异度进行降维。基于多个识别算法，将提出的降维方法与基于主成分分析（Principal Component Analysis，PCA）的降维方法进行比较，实验结果表明：当识别算法维度相同时，基于本文所给降维方法的识别算法在识别效果方面优于基于PCA的识别算法；当降维后识别算法的维度超过某个阈值时，随着识别算法维度的增长，本降维方法的时间开销增长速率远低于PCA方法。

关键词：降维,TF-IDF-like模型,特征差异度,JavaScript,主成分分析（PCA）