招生熱線:0754-86502424 招生郵箱: [email protected]

當前位置:內容

工學院研究生刮婷參加2018年NSS國際會議

2018-09-07

2018827-29日,2018年度NSS會議在香港理工大學如期舉行。NSS會議全稱是International Conference on Network and System Security。該會議討論與網絡和系統安全有關的所有理論和實踐方面的研究,如認證、訪問控制、可用性、完整性、隱私性、機密性、可靠性和可持續性計算機網絡和系統。NSS的目標是提供一個領先的論壇,以促進研究人員和開發人員與網絡和系統安全社區之間的互動,并讓與會者有機會與學術界、業界和政府的專家進行互動。

在此次會議中,我匯報的論文是《Android Malware Detection Methods Based on the Combination of Clustering and Classification》,主要是對惡意軟件和良心軟件的分類預測。論文是基于數據集Drebin實現的。論文中主要提出了兩種減少冗余特征的降維方法,一種是基于特征分類的降維方法,另一種是基于特征頻率的降維方法。經過兩種降維方法后,特征總數由545,333降到了2,182,這將大大減少檢測時間,提高檢測的準確性。基于降維后的特征向量,我們提出了兩種檢測方法,Mixed-Clustering and Classification方法和Separate-Clustering and Classification方法。Mixed-Clustering and Classification方法首先對惡意樣本和良性樣本使用K-means混合聚類,然后在此基礎上使用KNN對其分類。Separate-Clustering and Classification方法首先按照標簽分別對惡意樣本和良性樣本使用K-means聚類,然后分類。

為了評估我們的方法對未知惡意軟件家族的檢測能力,我們還分別評估了20個最大惡意軟件家族的檢測能力,并將我們的方法與SVM方法進行了比較。在每一次測試中,訓練集只包含了5個特定惡意軟件家族的樣本,但是測試集中有這個家族的大量樣本。實驗結果顯示,我們的方法雖然精確度和SVM不相上下,但是召回率要高于SVM方法。

實驗結果表明了這兩種方法的可行性和有效性。

在此次會議交流中,接觸到了各國各地的學者與專家,了解學習他們研究的成果,收獲頗多。每一次每個人的匯報,大家都積極投入討論當中,提出疑問,在解惑的同時也在豐富我們的知識。特別是我在此次匯報過程中,受到了其他學者專家的啟發與鼓勵,讓我研究有了新的靈感與方向。交流過程中也結識了許多朋友,雖然語言交流上不是太流暢,但是他們的友善友好卻讓我有了更多敢于開口交流的勇氣。總的來說,此次交流收獲豐富,展示了我們的研究成果,同時也學習到了許多不曾接觸了解的知識,這將鼓勵我不斷學習前進,以期望在今后取得更好的學習成果。



 

 

 

關注我們

鞍山麻将机遥控器 广东时时11选五app 福彩3d摇奖机下载 安徽时时走势图表 4肖期期中特 白小姐论坛免费网站 浙江快乐彩开奖结果查询查今天 湖北快3开奖结果今天 黑龙江36选7开奖结果查询结果 贵州快三玩法和开奖 重庆欢乐生肖定位走势图