13、机器学习在Windows环境恶意软件检测与假新闻检测中的应用

机器学习在Windows环境恶意软件检测与假新闻检测中的应用

1. Windows环境恶意软件检测

1.1 数据集

恶意软件检测使用的数据集来自Kaggle，该数据集由西班牙安全公司VirusShare基于云服务整理。数据集包含54个可移植可执行（PE）二进制文件的特征，这些特征值为整数和浮点值，以适应机器学习算法。数据集在恶意样本方面存在不平衡情况。使用Scikit库将数据集按75%用于训练、25%用于测试。通过Extra Tree Classifier方法，基于Gini指数从54个特征中选择14个重要的区分特征，这些特征包括Machine、SizeOfOptionalHeader等。

特征选择方法	选择特征数量	具体特征
Extra Tree Classifier	14	Machine, SizeOfOptionalHeader, Characteristics, MajorLinkerVersion, ImageBase, MajorSubsystemVersion, CheckSumSubsystem, DllCharacteristics, SizeOfStackReserve, SectionsNb, SectionsMaxEntropy, ResourcesMinEntropy, ResourcesMaxEntropy, VersionInformationSize