南京邮电大学学报(自然科学版)

作者：管衡,李麟俊,张琳

单位：南京邮电大学 计算机学院，江苏南京210023江苏省公安厅 交通警察总队，江苏南京210049南京邮电大学 计算机学院，江苏南京210023

关键词：支持向量机；主动学习；价值度量；训练集剪裁

基金：国家自然科学基金(61402241)、江苏省高校自然科学研究项目(17KJB520026)和南京邮电大学校级科研基金(NY217050)资助项目

针对传统的JavaScript恶意代码静态检测所存在的样本标记工作量大，以及由于样本冗余度高、泛化能力不足所导致的分类精确度低的问题，提出了一种新的支持向量机的自主学习策略VASVM，通过价值度量的定义优化了最有价值样本的选择策略，同时结合迭代地调整训练集平衡度，提高了训练集泛化能力和训练过程的收敛速度。然后在此基础上利用NE SVM算法对采用VASVM所选择的训练集进行剪裁以降低样本冗余度，并且进一步提高了泛化能力。最后得到了基于VASVM策略和NE SVM算法所结合形成的NE VASVM系统。实验结果表明，基于NE VASVM的JavaScript恶意代码检测系统有效减少了人工标记工作量，提高了分类器精度。

来源：2019年第3期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2019年第3期