论文部分内容阅读
决策树算法在恶意PDF文件检测上具有较高的精确度。当存在攻击者通过探索模型的漏洞时,会使恶意PDF样本轻易逃避检测,导致模型的鲁棒性较差。针对该问题,提出一种集成决策树的方法以提升模型的鲁棒性。将攻击产生的对抗样本添加到训练集中;使用Adaboost方法集成决策树构建分类模型;将训练后的模型与现有的集成方法进行比较。实验结果表明:该方法在检测恶意PDF文件分类中在保持较高分类精度的同时也具有更强的鲁棒性。