DeepSign：用于恶意软件签名自动生成与分类的深度学习
密码学与安全
2017-11-27 v2 机器学习
神经与进化计算
机器学习
摘要
本文提出一种基于深度学习的恶意软件签名自动生成与分类新方法。该方法使用深度信念网络（DBN），由深度堆叠的去噪自编码器实现，生成恶意软件行为的不变紧凑表示。传统的基于签名与令牌的恶意软件检测方法对现有恶意软件的新变体大多无法检测，而本文结果表明，由DBN生成的签名可对新的恶意软件变体进行准确分类。使用包含数个主要恶意软件家族数百种变体的数据集，我们的方法利用DBN生成的签名达到了98.6%的分类准确率。所提方法完全独立于所记录的恶意软件行为类型（例如API调用及其参数、注册表项、访问的网站与端口等），并可使用来自沙箱的任何原始输入成功训练用于生成恶意软件签名的深度神经网络。
引用
@article{arxiv.1711.08336,
title = {DeepSign: Deep Learning for Automatic Malware Signature Generation and Classification},
author = {Eli David and Nathan S. Netanyahu},
journal= {arXiv preprint arXiv:1711.08336},
year = {2017}
}