.png){kind=icon}
返回
Efficient malware detection based on machine learning for enhanced cloud privacy protection
.png){kind=icon}
PRE
AI
DOI：10.1007/s12530-025-09661-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云计算环境因其灵活性和可扩展性而日益普及，但同时也带来了显著的安全挑战，尤其是在恶意软件攻击方面。这些恶意攻击利用云计算基础设施中的薄弱环节，可能导致数据泄露、未经授权的系统访问和身份盗窃等严重后果。本文介绍了一种创新型恶意软件检测分类器，专门设计用于克服传统机器学习算法（如K-Nearest Neighbor (KNN)和Support Vector Machine (SVM)）在云计算环境这一独特场景下的不足。我们提出的方法以对数频谱距离（Log-spectral distance）作为基本度量，从而能够实现更精确有效的恶意软件检测。通过严格且广泛的实验，我们的研究发现该新型分类器在不依赖特征选择的情况下实现了高达97%的卓越准确率，超过了通过互信息（MI）方法进行特征选择时达到的95%准确率。此外，我们的分类器在性能上优于传统的机器学习（ML）和深度学习（DL）技术，展示了其在云计算环境中识别恶意软件威胁的稳健性和可靠性。本研究结果突显了该分类器作为增强云计算环境安全性的关键工具的潜力。这一先进解决方案不仅为学术研究做出贡献，也为应对不断演变的恶意软件威胁、保护云计算基础设施提供了实际应用价值。
Keyword:
Malware detection
Cloud computing
Network security
Machine learning
期刊
IF:
2.7
论文数:
246
被引数:
1.2K
机构
引用论文
Automated machine learning for deep learning based malware detection用于基于深度学习的恶意软件检测的自动化机器学习.png)
COMPUTERS & SECURITY
OAAI
COMPUTERS & SECURITYIF5.4
OAAI分享收藏K-NEAREST NEIGHBOUR CLASSIFIER USAGE FOR PERMISSION BASED MALWARE DETECTION IN ANDROID基于权限的Android恶意软件检测中K-最近邻分类器的应用
OAAI
OAAI分享收藏Dynamic Cost-Optimized Resources Management and Task Scheduling with Deadline Constraint for Mobile Crowd Sensing Environment动态成本优化的资源管理与任务调度：面向移动众包感知环境的截止时间约束OAAI
OAAI分享收藏Detecting Zero-Day Intrusion Attacks Using Semi-Supervised Machine Learning ApproachesIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容