Nesupervizovaný výběr instancí pro detekci malwaru

Abstract

Tato práce navrhuje nový algoritmus výběru instance bez dozoru pro detekci malwaru a vyhodnocuje jeho efektivitu. Navržený algoritmus zvolí informativní výběr z neoznačených dat, aby natrénoval model strojového učení, od kterého se očekává zlepšení jeho přesnosti a účinnosti. Experimenty ukazují srovnání výkonu algoritmu a existujícího algoritmu výběru instance bez dozoru.This work proposes a new unsupervised instance selection algorithm for malware detection and evaluates its effectiveness. The proposed algorithm selects informative instances from unlabelled data to train a machine learning model, which is expected to improve its accuracy and efficiency. Experiments show a performance comparison of the algorithm and an existing unsupervised instance selection algorithm.