一种基于词加权LDA模型的恶意文件检测方法

来源：计算机应用与软件杂志2024年第3期北京时间：

作者：徐建国, 王旭阳

摘要：恶意文件中往往含有出现频率较低、但表征能力更好的特征码，传统的方法未能将这一类特征提取出来。JP+1针对该问题，提出一种基于词加权LDA模型的恶意文件检测方法，该方法通过反汇编对样本进行预处理，采用改进的KeyGraph算法(IKG)提取“重点词”，这类词具有更好的特征表征能力，再利用优化的点互信息(OPMI)，算出各“重点词”权重，构建词字典，然后将该词加权方法扩展到LDA模型，建立IKG-OPMI-LDA(IOL)模型完成分类，并采用Gibbs Sampling进行参数估计。实验结果表明，相较于其他方法，该方法的分类准确率有明显提高，分类效率更好，并且提取的特征具有更高的区分度，与主题相关度更高。

关键词：恶意文件, LDA, IKG, 加权模型, 文档分类