公开(公告)号：CN112800426A

公开(公告)日：2021-05-14

申请号：CN202110182166.X

申请日：2021-02-09

申请人： 北京工业大学

发明人： 梁军淼 ,  宁振虎 ,  曹东芝 ,  公备

IPC分类号： G06F21/56 ,  G06K9/62

摘要： 本发明公开了一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，构建恶意代码生成模型。采用群智能算法计算恶意代码的可接受最佳初始样本比例。生成各家族恶意代码，构建相对均衡的恶意代码数据集。本发明利用群智能算法获得各恶意代码家族的可接受最佳样本比例，同时引入cGAN对恶意代码不同家族的数据分布进行学习并进行样本生成，最后对不平衡数据集进行处理，构建各类样本相对均衡的恶意代码数据集，使不同种类的恶意代码在选取时达到一个理想的比例，使正负样本在训练过程中具有相同的地位，更有效的解决了数据不均衡的问题。

公开(公告)号：CN112800426B

公开(公告)日：2024-03-22

申请号：CN202110182166.X

申请日：2021-02-09

申请人： 北京工业大学

发明人： 梁军淼 ,  宁振虎 ,  曹东芝 ,  公备

IPC分类号： G06F21/56 ,  G06F18/214 ,  G06F18/24

摘要： 本发明公开了一种基于群智能算法和cGAN的恶意代码数据不均衡处理方法，构建恶意代码生成模型。采用群智能算法计算恶意代码的可接受最佳初始样本比例。生成各家族恶意代码，构建相对均衡的恶意代码数据集。本发明利用群智能算法获得各恶意代码家族的可接受最佳样本比例，同时引入cGAN对恶意代码不同家族的数据分布进行学习并进行样本生成，最后对不平衡数据集进行处理，构建各类样本相对均衡的恶意代码数据集，使不同种类的恶意代码在选取时达到一个理想的比例，使正负样本在训练过程中具有相同的地位，更有效的解决了数据不均衡的问题。

公开(公告)号：CN108121999A

公开(公告)日：2018-06-05

申请号：CN201711300766.1

申请日：2017-12-10

申请人： 北京工业大学

发明人： 曹东芝 ,  张兴兰 ,  宁振虎 ,  蒋雨辰 ,  薛菲 ,  梁鹏

IPC分类号： G06K9/62 ,  G06N3/00

CPC分类号： G06K9/6269 ,  G06N3/006

摘要： 本发明公开了基于混合蝙蝠算法的支持向量机参数选择方法。正则化参数和RBF核参数对SVM的学习性能和计算复杂度有很大的影响。在分析一些经典的参数选择方法优劣的基础上，引入利用智能优化算法对其参数进行优化。鉴于蝙蝠算法具有并行性，收敛速度快，鲁棒性强的优点，本发明首先利用蝙蝠算法对SVM参数进行优化，随后针对蝙蝠算法易早熟的缺点，引入差分进化算法交叉、选择和变异算子，使用蝙蝠个体在每次迭代过程中根据三个算子进一步调整位置，增强算法的搜索能力，避免其过早地陷入局部最优解。最后利用改进的DEBA算法优化SVM参数选择并取得了优异效果。