基于神經(jīng)網(wǎng)絡(luò)平滑聚合機制的惡意代碼增量訓(xùn)練及檢測

摘要： 為保證惡意代碼變種檢測模型的時效性，傳統(tǒng)基于機器（深度）學(xué)習(xí)的檢測方法通過集成歷史數(shù)據(jù)和新增數(shù)據(jù)進行重訓(xùn)練更新模型存在訓(xùn)練效率低的問題。筆者提出一種基于神經(jīng)網(wǎng)絡(luò)平滑聚合機制的惡意代碼增量學(xué)習(xí)方法，通過設(shè)計神經(jīng)網(wǎng)絡(luò)模型平滑聚合函數(shù)使模型平滑演進，通過添加訓(xùn)練規(guī)模因子，避免增量模型因訓(xùn)練規(guī)模較小而影響聚合模型的準(zhǔn)確性。實驗結(jié)果表明，對比重訓(xùn)練方法，增量學(xué)習(xí)方法在提升訓(xùn)練效率的同時，... （共8頁）