利用 GPGPU 与朴素贝叶斯分类器高效检测恶意软件
密码学与安全
2019-06-03 v1 机器学习
摘要
由于计算设备中恶意软件（根据 AV-Test 研究所数据，已知恶意软件总数约 8×10^8，且每天新增约 2.5×10^4）和文件数量的持续增长，设计一种不仅能有效而且能高效检测新的或先前未见过的恶意软件以预防/最小化损失的系统非常重要。因此，本文提出了一种新颖的分组方法，通过利用 GPGPU 的算力并行化分类来实现恶意软件的高效检测，并表明使用朴素贝叶斯分类器可将检测速度提升高达 200 倍。研究还表明，分类时间随特征数量的增加而显著增长。
引用
@article{arxiv.1905.13746,
title = {An Efficient Detection of Malware by Naive Bayes Classifier Using GPGPU},
author = {Sanjay K. Sahay and Mayank Chaudhari},
journal= {arXiv preprint arXiv:1905.13746},
year = {2019}
}
备注
Conference paper, 9 pages, 4 figures