基于深度森林的可见光通信网络恶意代码识别研究

作     者：杨静 郭韦昱 杨文彬 YANG Jing;GUO Weiyu;YANG Wenbin

作者机构：太原师范学院网络信息中心山西晋中030619 中央财经大学信息学院北京102206 太原师范学院计算机系山西晋中030619 

出 版 物：《激光杂志》 (Laser Journal)

年 卷 期：2022年第43卷第10期

页      面：150-154页

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

基　　金：国家自然科学基金青年项目(No.6210022337) 

主　　题：深度森林 可见光通信网络 恶意代码 决策树 多粒度扫描 

摘      要：由于可见光通信网络恶意代码的升级和变形,导致恶意代码识别正确率与效率下降,因此,提出一种基于深度森林的可见光通信网络恶意代码识别方法。将恶意代码二进制文件映射为图片形式,并且通过分析图像梯度获取方向梯度直方图的特征,提取恶意代码图像特征向量。在随机森林模型中,利用决策树划分恶意代码类别,同时多粒度扫描图像特征向量矩阵,扫描结果作为深度森林的输入,输出中平均值最大的类别即为恶意代码,实现识别恶意代码。仿真实验结果表明,所提方法的识别误报率最低、正确率最高,并且识别效率最高,提高了光通信网络的安全性,其具有可行性和有效性。