深度学习与经典机器学习算法在恶意软件检测中的比较
密码学与安全
2018-09-18 v1 人工智能
机器学习
摘要
近来，深度学习在图像识别、自然语言处理、语言建模、神经机器翻译等各类人工智能应用中展现出 promising 的结果。尽管一般而言其计算开销高于经典机器学习技术，但在某些情况下被发现更为有效。因此，本文研究并比较了一种称为深度神经网络（DNN）的深度学习架构与经典随机森林（RF）机器学习算法在恶意软件分类中的表现。我们研究了经典 RF 与具有 2、4 和 7 层架构的 DNN 在四种不同特征集上的性能，发现无论特征输入如何，经典 RF 的准确率均优于 DNN。
引用
@article{arxiv.1809.05889,
title = {Comparison of Deep Learning and the Classical Machine Learning Algorithm for the Malware Detection},
author = {Mohit Sewak and Sanjay K. Sahay and Hemant Rathore},
journal= {arXiv preprint arXiv:1809.05889},
year = {2018}
}
备注
11 Pages, 1 figure