云 IaaS 中基于 CNN 的行为恶意软件检测技术分析
密码学与安全
2020-09-28 v1 机器学习
机器学习
摘要
云基础设施即服务（IaaS）由于其暴露于外部攻击者而易受恶意软件攻击，这使其成为恶意行为者有利可图的攻击向量。感染恶意软件的数据中心可能导致数据丢失和/或对其用户造成严重服务中断。本文分析并比较了多种卷积神经网络（CNN）用于云 IaaS 中恶意软件的在线检测。检测基于行为数据，使用进程级性能指标包括 cpu 使用率、内存使用率、磁盘使用率等。我们已使用最先进的 DenseNet 和 ResNet 有效检测在线云系统中的恶意软件。CNN 旨在从真实云环境中运行的实时恶意软件收集的数据中提取特征。实验在 OpenStack（一个云 IaaS 软件）测试平台上执行，该平台旨在复现典型的三层 Web 架构。针对本研究使用的不同 CNN 模型，对不同指标进行了比较分析。
引用
@article{arxiv.2002.06383,
title = {Analyzing CNN Based Behavioural Malware Detection Techniques on Cloud IaaS},
author = {Andrew McDole and Mahmoud Abdelsalam and Maanak Gupta and Sudip Mittal},
journal= {arXiv preprint arXiv:2002.06383},
year = {2020}
}