早期恶意软件检测与下一步动作预测
密码学与安全
2023-06-13 v1 系统与控制
系统与控制
摘要
在本文中，我们提出一种通过利用自然语言处理（NLP）技术与机器学习算法进行早期恶意软件检测与缓解的框架。我们的主要贡献是提出一种通过将应用程序编程接口（API）调用序列视为自然语言输入并采用文本分类方法（具体地，一个Bi-LSTM神经网络）来预测下一个API调用来预测恶意软件后续动作的方法。这使得主动威胁识别与缓解成为可能，展示了将NLP原理应用于API调用序列的有效性。Bi-LSTM模型使用两个数据集进行评估。此外，通过将连续API调用建模为2-gram与3-gram字符串，我们提取新特征并使用Bagging-XGBoost算法进一步处理，从而在早期阶段有效预测恶意软件的存在。所提框架的准确率通过仿真评估。
引用
@article{arxiv.2306.06255,
title = {Early Malware Detection and Next-Action Prediction},
author = {Zahra Jamadi and Amir G. Aghdam},
journal= {arXiv preprint arXiv:2306.06255},
year = {2023}
}