计算机应用研究

作者：乔梦晴,李琳,王颉,万振华,

单位：1.武汉科技大学a.计算机科学与技术学院;b.智能信息处理与实时工业系统湖北省重点实验室,武汉430065；2.深圳开源互联网安全技术有限公司,广东深圳518000；

关键词：恶意软件,遗传规划,集成学习,准确性,多样性,

基金：武汉市重点研发计划资助项目(2022012202015070)；武汉科技大学研究生教改研究项目(Yjg202111)；湖北省教育厅资助项目(2020354)；湖北省大学生创新创业训练计划项目(S202110488047)；；

近年来恶意软件不断地发展变化，导致单一检测模型的准确率较低，使用集成学习组合多种模型可以提高检测效果，但集成模型中基学习器的准确性和多样性难以平衡。为此，提出一种基于遗传规划的集成模型生成方法，遗传规划可以将特征处理和构建集成模型两个阶段集成到单个程序树中，解决了传统恶意软件集成检测模型难以平衡个体准确率和多样性的问题。该方法以集成模型的恶意软件检出率作为种群进化依据，保证了基学习器的准确性；在构建集成模型时自动选择特征处理方法、分类算法和优化基学习器的超参数，通过输入属性扰动和算法参数扰动增加基学习器的多样性，根据优胜劣汰的思想进化生成具有高准确性和多样性的最优集成模型。在EMBER数据集上的结果表明，最优集成模型的检测准确率达到了98.88%；进一步的分析表明，该方法生成的模型具有较高的多样性和可解释性。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期