分类器选取的研究

基于静态特征的分类器的选取。Hinton等人^[11]提出了一种多层神经网络学习的有效方法。Sax 等人^[12]提出采用前馈深度神经网络实现恶意软件静态分类的方法。Cakir 等人^[13]也提出采用 word2vec 向量空间模型表示恶意软件的方法，并采用梯度搜索实现恶意软件分类。word2vec 可以反映词语之间的语法、语义以及上下文之间的关系。Ye 等人^[14]提出异构深度学习框架，通过有监督的参数调优实现无监督的特征学习。与他人方法相比 Ye 等人方法特别之处在于模型训练阶段不仅可以对有标记的样本，同时也可以对无标记样本进行学习，并产生特征向量。这种半监督的学习模式更适合未知恶意软件的检测。VASAN等人^[15]提出了一种基于高级集成学习(MTHAEL)的强大的跨架构物联网恶意软件威胁狩猎模型。独特的 MTHAEL 模型使用异构特征选择算法和最先进的神经网络的堆叠集成来学习不同级别的语义特征，展示了比现有方法增强的物联网恶意软件检测。