基于机器学习的内核恶意程序检测研究与实现

随着计算机科学的发展,世界对计算机的依赖越来越强,计算机安全也越来越重要,恶意代码是计算机安全面临的最大敌人.针对传统的恶意代码检测和分析技术在现在已经无法满足需求的问题,提出使用机器学习并应用新的分类特征来识别恶意程序,并且对他们进行初级的家族分类,指出以往机器学习在恶意代码检测和分类上的不足,筛选出更好的区分特征.首先使用了n-gram算法来优化恶意代码反汇编代码中的操作码特征,然后使用词袋模型和TF-IDF算法优化API调用特征,最后编程实现模型并使用数据集进行了模型的训练和测试.实验中使用决策树算法的模型的分类准确率上达到了87.41%,使用随机森林算法的模型的分类准确率上达到了90.06%,实验结果表明提出的特征相比以往在恶意代码检测分类上应用的特征有着更好的效果.      

制定计划、政策的若干原则

任何国家和地区的政府为了实现其社会和经济发展目标，通常都要制订一定的发展计划和政策，如经济、社会、教育、国防、住房等各方面的国家或地区的发展计划。这些计划和政策从广泛的意义上说，如果是成功的或有效的，大都具有如下特征，即具有政治、行政、技术和经济的可行性。换言之，任何具有政治可行性、行政可行性、技术可行性和经济可行性的计划和政策才是成功的和有效的。否则，政策和计划会面临制订和实施上的困难。