朴素贝叶斯增量学习在病毒上报分析中的应用.PDF

第２７卷第１期　　　 计算机应用与软件 Ｖｏｌ２７Ｎｏ．１ ２０１０年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１０ 朴素贝叶斯增量学习在病毒上报分析中的应用 １ １ １ １ ２ 陈　亮 　郑　宁　郭艳华 　徐　明　胡永涛 １（杭州电子科技大学计算机学院　浙江杭州３１００１８） ２（公安部第三研究所　上海２０１２０４） 摘　要　　未知类别样本的增量学习中，合理的学习序列能够优化分类器性能，提高分类精度。从优先学习的样本被正确分类概率 大小的角度，提出了一种基于样本分类结果可信度的朴素贝叶斯增量学习序列算法。该算法将学习样本分类结果中可信度大的样 本优先进行增量学习。在此算法基础上，实现一个病毒上报分析系统用于可疑样本的自动化分析与检测。实验结果表明，经该算法 增量学习后的分类器检测效果优于随机增量学习。 关键词　　增量学习　学习序列　可信度 ＡＰＰＬＹＩＮＧＮＡ?ＶＥＢＡＹＥＳＩＡＮＩＮＣＲＥＭＥＮＴＡＬＬＥＡＲＮＩＮＧＩＮＶＩＲＵＳ ＲＥＰＯＲＴＩＮＧＡＮＤＡＮＡＬＹＳＩＮＧ １ １ １ １ ２ ＣｈｅｎＬｉａｎｇ　ＺｈｅｎｇＮｉｎｇ　ＧｕｏＹａｎｈｕａ　ＸｕＭｉｎｇ　ＨｕＹｏｎｇｔａｏ １（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＨａｎｇｚｈｏｕＤｉａｎｚｉＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） ２（ＴｈｅＴｈｉｒｄＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆｔｈｅＭｉｎｉｓｔｒｙｏｆＰｕｂｌｉｃＳｅｃｕｒｉｔｙ，Ｓｈａｎｇｈａｉ２０１２０４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇｏｆｃｌａｓｓｕｎｋｎｏｗｎｓａｍｐｌｅｓ，ｒｅａｓｏｎａｂｌｅｌｅａｒｎｉｎｇｓｅｑｕｅｎｃｅｃａｎｏｐｔｉｍｉｓｅｔｈｅｐｅｒｆｏｒｍａｎｃｅａｎｄｐｒｅｃｉｓｉｏｎｏｆ ｔｈｅｃｌａｓｓｉｆｉｅｒ．Ｉｎｔｅｒｍｓｏｆｔｈｅｐｒｏｂａｂｉｌｉｔｙｏｆｒｉｇｈｔｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｐｒｅｆｅｒｅｎｔｉａｌｌｙｌｅａｒｎｅｄｓａｍｐｌｅｓ，ｉｎｔｈｉｓｐａｐｅｒｗｅｐｒｏｐｏｓｅａｎａｖｅｂａｙｅｓｉａｎｉｎ ｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｔｈｅｃｒｅｄｉｂｉｌｉｔｙｏｆｓａｍｐｌｅｓ’ｃｌａｓｓｉｆｉｅｄｒｅｓｕｌｔ．Ｉｎｔｈｅａｌｇｏｒｉｔｈｍ，ｔｈｏｓｅｗｉｔｈｈｉｇｈｅｒｃｒｅｄｉｂｉｌｉｔｙｉｎｌｅａｒｎｉｎｇ ｓａｍｐｌｅｓ’ｃｌａｓｓｉｆｉｅｄｒｅｓｕｌｔｈａｖｅｔｈｅｐｒｉｏｒｉｔｙｏｆｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ．Ａｓｙｓｔｅｍｏｆｖｉｒｕｓｒｅｐｏｒｔｉｎｇａｎｄａｎａｌｙｓｉｎｇｓｙｓｔｅｍｉｓｉｍｐｌｅｍｅｎｔｅｄｂａｓｅｄｏｎ ｔｈｅａｌｇｏｒｉｔｈｍｆｏｒａｕｔｏｍａｔｉｃａｎａｌｙｓｉｓａｎｄｄｅｔｅｃｔｉｏｎｏｆｓｕｓｐｉｃｉｏｕｓｓａｍｐｌｅｓ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｃｌａｓｓｉｆｉｅｒｏｆｉｎｃｒｅｍｅｎｔａｌｌｙｌｅａｒｎｉｎｇ ｔｈｒｏｕｇｈｔｈｅａｌｇｏｒｉｔｈｍｏｕｔｐｅｒｆｏｒｍｓｔｈｅｃｌａｓｓｉｆｉｅｒｏｆｒａｎｄｏｍｌｙｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇｉｎｄｅｔｅｃｔｉｏｎｅｆｆｅｃｔ． Ｋｅｙｗｏｒｄｓ　　Ｉｎｃｒｅｍｅｎｔａｌｌｅａｒｎｉｎｇ　Ｌｅａｒｎｉｎｇｓｅｑｕｅｎｃｅ　Ｃｒｅｄｉｂｉｌｉｔｙ ０　引　言 Ｗｉｎ３２环境下，反病毒工程师借助逆向工程和调试技术，通 过分析可疑程序ＡＰＩ及参数调用情况，依据经验判断上报的可 疑样本是否为病毒。随着商业利益的驱动和病毒制作技术的普 及，病毒种