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

来源：激光杂志, 2022, 43(10): 150-154.

DOI：10.14016/j.cnki.jgzz.2022.10.150

• 深度森林
• 可见光通信网络
• 恶意代码
• 决策树
• 多粒度扫描

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。

• 单位
  中央财经大学; 太原师范学院