计算机科学 ›› 2015, Vol. 42 ›› Issue (4): 116-118.doi: 10.11896/j.issn.1002-137X.2015.04.022
孙 敏,徐彩霞,高 阳
SUN Min, XU Cai-xia and GAO Yang
摘要: 针对Android手机平台提出了基于特征加权K最近邻支持向量机(FWKN-SVM)的异常入侵检测方法。首先,分析了传统SVM在实际应用中的局限性,提出了一种基于特征类内类间距离的特征加权K最近邻的训练集约减策略。随后,根据手机恶意软件对系统造成的影响定义了系统行为,并通过在Android手机上编写的数据采集模块构建测试集和训练集。最后,利用特征加权K最近邻方法进行SVM训练集的精简和分类器的构建,并进行测试集预测。仿真结果表明,FWKN-SVM分类方法在Android异常入侵检测中应用效果良好。
[1] Vapnik V.The nature of statistical learning theory[M].Sprin-ger,2000 [2] 钱权,耿焕同,王煦法.基于 SVM 的入侵检测系统[J].计算机工程,2006,32(9):136-138 [3] 莫宇祥,俞建銮,王磊,等.基于角色的 Android 手机平台木马检测系统[J].现代计算机:上半月版,2012(12):51-55 [4] 罗瑜,易文德,王丹琛,等.大规模数据集下支持向量机训练样本的缩减策略[J].计算机科学,2007,34(10):211-213 [5] 孙发圣,肖怀铁.基于 K 最近邻的支持向量机快速训练算法[J].电光与控制,2008,15(6):44-47 [6] 陈振洲,李磊,姚正安.基于 SVM 的特征加权 KNN 算法[J].中山大学学报:自然科学版,2005,44(1):17-20 [7] Burges C J C.Geometry and invariance in kernel based methods[M]∥Advances in Kernel Methods-Support Vector Learning.Cambridge,MA:MIT Press,1998:89-116 [8] 乜聚虎.智能手机异常检测技术研究与实现[D].合肥:中国科学技术大学,2011 [9] 周忠军,苏红旗.Android 智能手机入侵检测系统设计[J].科技资讯,2012(18):30-32 |
No related articles found! |
|