TY -的A2 -罗,Entao盟——刘,博盟——陈,金富盟——秦,针对非盟-张Zufa盟——刘Yisong盟——赵,玲玲AU - Chen Jingyi PY - 2021 DA - 2021/04/30 TI -一个基于改进支持向量机算法的方法对于识别恶意软件在网络流量SP - 5518909六世- 2021 AB -由于互联网的发展和普及,网络安全仍然存在,并将继续是一个重要的问题。有许多网络流量分类方法或恶意软件识别方法,提出了解决这一问题。然而,现有的方法并不是适合帮助安全专家有效解决这一挑战由于其精度低,假阳性率高。为此,我们采用基于机器学习分类方法来识别恶意软件。从网络流量和提取特征的方法降低了维数的特性,可以有效地提高识别的准确性。此外,我们提出一种改进的支持向量机分类算法的网络流量被优化的支持向量机(OFSVM)。OFSVM算法解决了问题,原来的SVM算法是不令人满意的分类从两个方面,即:、参数优化和核函数的选择。因此,在本文中,我们提出一个方法来识别恶意软件在网络流量、网络流量恶意软件识别(NTMI)。评估的有效性NTMI方法提出了,我们收集四个真实网络流量数据集和使用公开数据集CAIDA的实验。评价结果表明,NTMI方法可以导致更高的精度,同时实现低误判率相对于其他识别方法。 On average, the NTMI approach achieves an accuracy of 92.5% and a false positive rate of 5.527%. SN - 1939-0114 UR - https://doi.org/10.1155/2021/5518909 DO - 10.1155/2021/5518909 JF - Security and Communication Networks PB - Hindawi KW - ER -