基于非線性SVM的木馬檢測技術研究.pdf

1、隨著互聯網的飛速發(fā)展，計算機技術在人們的日常生活中扮演著越來越重要的角色。計算機技術給人們日常生活送來便捷，但是，信息安全問題也變得越來越突出。計算機用戶的信息隱私安全由于計算機病毒、黑客攻擊、特洛伊木馬等遭受嚴重威脅。
　　 木馬是一類潛伏性惡意程序，其目的是通過控制木馬服務器（用戶端）竊取用戶信息，如銀行卡密碼、重要文件等。木馬以其隱蔽性強、攻擊手段變化多端、危害大成為最常見的計算機攻擊技術之一。因此，研究木馬工作機理，分析

2、其關鍵攻擊技術，進而提出針對木馬的有效檢測方法具有重要現實意義。
　　 本文基于可執(zhí)行程序的API調用序列，提出了一種帶特征選擇的非線性SVM木馬檢測方法。主要的研究工作包括以下三個部分:
　　 (1)基于特征選擇算法，建立綜合性能良好的非線性SVM分類器。提取每一個可執(zhí)行程序的API調用序列作為特征向量，針對當前互信息算法在特征選擇上的不足，提出一種引入負相關因子的互信息值計算方法。通過改進的互信息特征選擇算法保留對分

3、類結果起明顯作用的部分特征，然后，采用TFIDF權重計算方法將保留出來的部分特征量化成SVM可識別的數據，構建SVM特征向量庫，利用樣本數據訓練非線性SVM分類器，獲得最優(yōu)分類超平面，即綜合性能好的非線性SVM分類器。
　　 (2)利用粒子群算法，優(yōu)化非線性SVM分類器的參數。本文分析了SVM分類器參數對分類結果的影響，研究當前粒子群優(yōu)化算法中慣性因子ω的作用，提出一種讓ω在線性減小的同時，參照當前適應值較前一代的優(yōu)化程度來進行