恶意软件检测中机器学习对 Mal-API-2019 数据集的综合评估
原文中文,约500字,阅读约需2分钟。发表于: 。本研究使用机器学习技术对恶意软件检测进行了全面研究,重点评估了在 Mal-API-2019 数据集上使用各种分类模型的效果,旨在通过更有效地识别和减轻威胁来提升网络安全能力。研究探讨了集成和非集成的机器学习方法,例如随机森林、XGBoost、K 最近邻(KNN)和神经网络。特别强调了数据预处理技术的重要性,尤其是 TF-IDF...
本研究使用机器学习技术对恶意软件检测进行了全面研究,重点评估了在 Mal-API-2019 数据集上使用各种分类模型的效果。结果显示,随机森林和 XGBoost 是在恶意软件检测中表现最好的集成方法,具有更高的准确性、精确度和召回率。论文还讨论了限制和未来的潜在方向,为网络安全领域做出了贡献。