基于神經(jīng)網(wǎng)絡平滑聚合機制的惡意代碼增量訓練及檢測

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）學習的檢測方法通過集成歷史數(shù)據(jù)和新增數(shù)據(jù)進行重訓練更新模型存在訓練效率低的問題。筆者提出一種基于神經(jīng)網(wǎng)絡平滑聚合機制的惡意代碼增量學習方法，通過設計神經(jīng)網(wǎng)絡模型平滑聚合函數(shù)使模型平滑演進，通過添加訓練規(guī)模因子，避免增量模型因訓練規(guī)模較小而影響聚合模型的準確性。實驗結果表明，對比重訓練方法，增量學習方法在提升訓練效率的同時，... （共8頁）