基于深度学习的密码学原语分类

密码病毒学增强带来了直接且无可比拟的威胁。过去十年间，加密勒索软件的大量泛滥对消费者和组织机构均造成了广泛影响。现有的预防措施表现良好，但问题并未停止。由于平台特异性和混淆变换机制，逆向工程潜在恶意软件是一项繁琐的任务，因此需要更智能、更高效的检测策略。本文提出了一种利用深度学习对编译后的二进制可执行文件中的密码学原语进行分类的新方法。模型蓝图是一个深度卷积神经网络（DCNN），其配置适合从动态跟踪输出的变长控制流诊断信息中学习。为应对当代数据汇编的规模和可变性，从而为模型认知提供数据，本文定义了一种利用OpenSSL核心原语并结合多变量混淆来程序化生成合成密码学二进制文件的方法，以获取高度可扩展的分布。CryptoKnight库生成了包含AES、RC4、Blowfish、MD5和RSA的算法池，以合成可组合的变体，并自动输入其核心模型。CryptoKnight收敛于91%的准确率，能够以极小的损失成功对样本算法进行分类。