文件名称：论文研究-采用随机森林改进算法的WebShell检测方法.pdf
文件大小：759KB
文件格式：PDF
更新时间：2022-08-11 13:07:27
WebShell检测,随机森林,特征划分,Fisher准则
为解决WebShell检测特征覆盖不全、检测算法有待完善的问题，提出一种基于随机森林改进算法的WebShell检测方法。首先对三种类型的WeSshell进行深入特征分析，构建多维特征，较全面地覆盖静态属性和动态行为，改进随机森林特征选取方法；依据Fisher比度量特征重要性，对子类的依赖特征进行划分，按比例和顺序从中选择特征，克服特征选择完全随机带来的弊端，提高决策树分类强度，降低树间相关度。实验对随机森林改进算法和标准算法进行了对比分析，结果表明改进算法依靠更少的决策树就能达到很好的效果，并进一步与SVM算法进行比较，证明该方法提高了WebShell检测的效率和准确率。