基于AdaBoost算法的Linux病毒检测研究

吴 ,,,

(1.贵州师范学院 a.数学与计算机科学学院; b.大数据科学与智能工程研究院,贵阳 550018;2.重庆邮电大学 新一代宽带移动通信终端研究所,重庆 400065; 3.北京大学深圳研究生院 信息工程学院,深圳 518055)

0 概述

随着大数据及智能化时代的到来,稳定性好、性能高的Linux操作系统已逐渐成为当下应用主流,针对Linux的各种病毒攻击也越来越频繁。但是由于各种原因,Linux上的病毒检测工具远不如Windows平台上的丰富和有效,而且相关的理论研究也不多[1-2]。因此,对于Linux病毒检测技术的研究具有较大的现实意义。

本文以机器学习中分类和集成学习问题的处理框架为基础,结合Linux操作系统的ELF文件特点,基于AdaBoost算法设计并实现了一种高性能的Linux病毒检测方案。

1 基于AdaBoost的Linux病毒检测方案

简单的病毒检测方案设计如图1所示。采用特征提取方法从待测文件中得到样本特征,然后通过某种分类算法进行判断,最后得到检测结果。但这种方案存在不足,单个分类器分类能力是有局限的,其检测准确率不是太高,且容易对特定样本产生过拟合性。

图1 简单的病毒检测方案

为了解决上述方案的不足,本文在分类学习问题处理框架的基础上,引入集成学习的思想,综合多个分类器的检测结果,通过整合的方式来提高检测精度[3]。本文设计的Linux病毒检测方案如图2所示,总的检测流程如下:

1)从待测文件中提取出样本特征。

2)从基分类器1至基分类器n,每个基分类器都独立地对待测样本进行检测,得到各自的检测结果。……