论文部分内容阅读
伴随着互联网科技的发展,恶意软件的数量也急剧增加,同时造成了严重的全球性威胁。因此,恶意软件的检测已经成为了学者们的研究热点。目前,大部分的商业软件通常采用基于特征码的检测方法,虽然这种方法被广泛使用,但其不能够检测到未知的恶意软件。相比较而言机器学习的方法可以用来解决这个问题。通常情况下有以下两种特征用于软件检测:静态特征和动态特征。静态特征是在不执行样本的情况下提取,动态特征则要求在可控的环境下执行恶意软件时提取,这两种方法各有其优缺点。提出了一种合成特征的恶意软件检测方法,它结合了操作代码序列频率向