classifier - related paper

1.< malware detection based on deep learning algorithm> -Ding yuxin Zhu siyi

Deep belief network ：基础框架 Restricted Bolizmann Machine RBM 受限玻尔兹曼 机。前层有 autoencoding 的功能能够有效的将数据的基础结构表现出来，并能降低特征向量的维度。

2.< Generative Malware outbreak Detection> Sean Park , Iqbal Gondal

HDBSCAN： 带有应用程序噪音的基于层次密度的空间聚类

3.< A hybrid deep learning image-based analysis for effective malware detection>-Sitalakshmal Venkatraman, Mamoun Alazab ,R.Vinayakumar

CNN + bi-directional pipline deep learning,
SVM machine learning,
k-mean聚类

4.< Dynamic data fusion using multi-input models for malware classification>

LSTM+Dense 1，两特征各单独使用。2，双特征通过LSTM得到的结果，混合后通过softmax Dense层 3.得到最后两个结果，链接变为一个数组后后使用Softmax 层后的最后结果。

5.< An improved Method for Packed malware Detection using PE Header and Section Table information>

DT decision tree,寻找规则

6.< Improvement of malware detection and classification using API call sequence alignment and visualization >

1.聚类：为了生成恶意软件家族（不使用聚类，会在MSA进一步小型分类时，会产生噪音）
三步的聚类机制：1.按决策树划分（weka C4.5）
2.MSA(multiple squence alignment) ：使用工具 clustalx ，jalview
用于细分，将聚类的分组细分，组合小组，形成模型
3.分类 similarity-SW ； similarity-LCS
结果 94%， 同时使用可视化的

7.< A mobile malware detection method using beharior features in network traffic >

利用信息增益比 C4.5 97.89%