机器学习一直是人工智能的重要分支，而监督学习是当下机器学习技术流行的一种训练模式，有着广泛的实际应用。首先，本文讨论了机器学习方向 10 种不同的监督学习分类技术的原理及其特点，包括：感知机、k 近邻、决策树、随机森林、朴素贝叶斯、逻辑斯蒂回归、最大熵模型、支持向量机、Boosting 算法、人工神经网络。然后针对不同分类模型进行比较，从目标、原理、应用等不同维度分析它们之间的区别和联系，并对它们的分类性能做了整体评估。其次，本文选取支持向量机作为最喜欢的监督学习技术，以 20NG 文本分类数据集进行测试并对比基线模型，从准确性、适用性、鲁棒性三方面阐述理由。最后，本文设计了基于支持向量机模型的恶意软件分类应用，综合支持向量机模型和多层感知机模型，优化分类效果。在 Mailimg 数据集上进行实验，证明本文设计的分类算法能有效缓解恶意软件对用户的威胁。