基于信息增益的軟件特征技術(shù)研究.pdf

1、軟件產(chǎn)品是一種具有易復制、易篡改、易散布等特性的數(shù)字產(chǎn)品，使得軟件盜版蘊含著巨大的經(jīng)濟利益。針對軟件盜版在我國呈現(xiàn)猖獗勢頭，軟件版權(quán)保護技術(shù)成為近年來軟件開發(fā)商和學術(shù)界的研究熱點。軟件特征技術(shù)以自身所固有的屬性或?qū)傩约鳛檠芯繉ο?，并采用特定的方法將其提取出來作為軟件產(chǎn)品的唯一標識，是軟件版權(quán)保護的重要手段之一。本文首先對軟件特征技術(shù)的研究現(xiàn)狀進行論述，在現(xiàn)有技術(shù)的基礎(chǔ)上，然后針對SKB(Statick-grambasedSoftwar

2、eBirthmark)特征魯棒性差的問題，利用信息檢索時文本分類進行特征選擇的思想，引入了一種新的軟件特征選擇方法——信息增益;最后又針對信息增益方法自身存在的問題和不足提出了解決方案。具體內(nèi)容包括:
　　(1)本文構(gòu)建由盜版軟件類別和無版權(quán)爭議的軟件類別組成的軟件集，首先對軟件集中每個軟件進行靜態(tài)分析，采用k-gram算法進行軟件特征提取，由此得到的特征碎片集合維度高，采用信息增益方法對特征碎片集進行篩選和降維，去除冗余碎片，減

3、少計算量，有效提升軟件特征的整體性能。
　　(2)信息增益方法選取的是在兩類軟件集中頻數(shù)差別大的特征碎片，因此具有高信息增益的特征碎片是整個特征碎片集中具有最高區(qū)分度的碎片。但此方法僅考慮特征碎片在某類別中出現(xiàn)的樣本數(shù)，忽視了特征碎片具體在軟件樣本中出現(xiàn)的頻數(shù)，影響結(jié)果的精準度。其次，特征碎片的信息增益值越大，說明特征碎片在兩類軟件集中出現(xiàn)的頻數(shù)差別越大，這將導致最終選出的特征碎片集可能會出現(xiàn)分布不平衡的問題。針對這些不足本文還考