改进贝叶斯算法在未知恶意软件识别中的研究 (2011年)

为改进朴素贝叶斯(naive Bayes，NB)算法在识别未知恶意代码过程中学习速度慢的缺点，在分析研究朴素贝叶斯算法、复合贝叶斯(multi-naive Bayes，MNB)算法的基础上，提出了一种改进贝叶斯(half-increment naive Bayes，HNB)算法．算法采用特征集增量学习方式，在保证分类精度不降低的前提下，学习速度提高约30％．实际样本测试表明，分类精度达到了96％，其中对已知恶意代码的分类精度达到99％．