摘要: 针对内存数据在攻击行为发生后会发生改变,而传统完整性度量系统使用基准值度量方法存在检测率低,灵活性不足等问题,提出一种基于多BP神经网络的内存组合特征分类方法,将内存数据通过MOEA算法提取特征值,分别使用不同的BP神经网络进行训练,然后再通过一个BP神经网络进行汇总,得到操作系统安全状况评分。该方法与传统使用基准值的完整性度量方法相比,检测准确率与普适性有较大提升。并且通过实验结果表明,多BP神经网络的内存组合特征分类方法在检测准确率、模型复杂度和模型训练时间等方面均优于传统单BP神经网络的分类方法。
中图分类号:
段佳良 蔡国明 徐开勇. 基于多BP神经网络的内存组合特征分类方法[J]. 计算机应用.