期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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 《科学技术与工程》 北大核心 2025年第23期9892-9899,共8页
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... 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。 展开更多
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
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部