-
题名智能融合模型在恶意软件检测中的可解释性
- 1
-
-
作者
王圣节
张庆红
王紫薇
-
机构
新疆财经大学统计与数据科学学院
中国平安财产保险股份有限公司新疆分公司
-
出处
《科学技术与工程》
北大核心
2025年第23期9892-9899,共8页
-
基金
国家自然科学基金(72164034)。
-
文摘
为提高恶意软件检测模型的性能和可解释性,提出一种基于数据预处理与模型优化的智能融合检测方法。该方法集成多种机器学习算法,通过随机森林算法提取关键特征,并采用常春藤优化算法(ivy optimizer algorithm,IVYA)进行参数调优,构建融合模型以提升检测效果。模型利用SHAP(shapley additive explanations)方法进行解释性分析,增强检测结果的透明度与可靠性。实验表明,该方法在多个数据集上准确率、精确率、召回率等指标均超过99%,相较于传统方法表现出明显优势,为网络安全提供了更强的防护手段和更高的可解释性。
-
关键词
恶意软件检测
网络安全
机器学习
随机森林算法
Stacking模型
常春藤优化算法
SHAP模型
-
Keywords
malware detection
network security
machine learning
random forest algorithm
Stacking model
IVYA
SHAP model
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-