一种基于混合学习的恶意代码检测方法

您当前的位置：

首页 >

文章列表页 >

一种基于混合学习的恶意代码检测方法

学术论文 | 更新时间：2025-12-08

上一篇|下一篇

- 一种基于混合学习的恶意代码检测方法
- A Malware Detection Method Based on Hybrid Learning
- 梁光辉，摆亮，庞建民，单征，岳峰，张磊
- 电子学报 2021年49卷第2期页码：286-291
- 作者机构：
  1. 解放军信息工程大学,河南,郑州,450002
  2. 国家计算机网络应急技术处理协调中心,北京,100029
  3. 数学工程与先进计算国家重点实验室,河南,郑州,450002
  4. Unit 78090,Sichuan,Chengdu,China,610000
  5. 解放军信息工程大学,河南,郑州,450002
  6. 国家计算机网络应急技术处理协调中心,北京,100029
  7. 数学工程与先进计算国家重点实验室,河南,郑州,450002
  8. Unit 78090 Chengdu Sichuan China,610000
- 作者简介：
- 基金信息：
  国家自然科学基金 (No.61472447，No.61802435，No.61802433）
- DOI： 10.12263/DZXB.20180711
  中图分类号：
- 稿件说明：
移动端阅览
DOI：
DOI：

HTML全文
参考文献
出版信息
数据统计

摘要

Abstract

关键词

Keywords

references

33

浏览量

61

下载量

1

CSCD

文章被引用时，请邮件提醒。

提交

工具集

BibTeX下载
Endnote下载
RefMan 下载
NoteExpress下载
NoteFirst下载

关联资源

相关文章

基于MP-FSCIL的恶意代码分类方法

基于P2P的僵尸网络及其防御

基于调用习惯的恶意代码自动化同源判定方法

基于动态污点分析的恶意代码通信协议逆向分析方法

包含绕包铝箔屏蔽的数据线缆信号完整性解析方法

相关作者

王蕾

刘强

王坚

苏璞睿

冯登国

应凌云

云晓春

李书豪

相关机构

空军工程大学空管领航学院

空军工程大学防空反导学院

中国科学院软件研究所信息安全国家重点实验室北京

中国科学院研究生院信息安全国家重点实验室北京

中国科学院软件研究所,信息安全国家重点实验室