从恶意软件样本到分形图像：一种分类新范式（2.0版，前一版论文名：你见过恶意软件吗？）
密码学与安全
2023-06-05 v2 计算机视觉与模式识别
摘要
迄今为止，已有大量研究论文涉及恶意软件的分类、识别、归入不同家族以及区分恶意软件与良件。这些工作基于捕获的恶意软件样本，并尝试使用多种技术（包括人工智能领域的技术）分析恶意软件与良件。例如，神经网络在这些分类方法中发挥了重要作用。其中部分工作也涉及利用可视化分析恶意软件。这些工作通常将捕获恶意软件结构转换为图像结构，进而作为图像处理的对象。本文中，我们提出一种非常规且新颖的基于动态行为分析的恶意软件可视化方法，其理念是所生成视觉上非常有趣的图像随后被用于区分恶意软件与良件。我们的方法为未来讨论开辟了广泛议题，并为恶意软件分析与分类研究提供了诸多新方向，如结论中所讨论。所呈现实验的结果基于ESET提供的6 589 997个良件、827 853个潜在有害应用与4 174 203个恶意软件样本数据库，且所选实验数据（图像、生成多项式公式与图像生成软件）在GitHub上向感兴趣的读者提供。因此，本文并非报告对比实验所得结果的综合性紧凑研究，而是试图展示可视化领域的新方向及其在恶意软件分析中的可能应用。
引用
@article{arxiv.2212.02341,
title = {From Malware Samples to Fractal Images: A New Paradigm for Classification. (Version 2.0, Previous version paper name: Have you ever seen malware?)},
author = {Ivan Zelinka and Miloslav Szczypka and Jan Plucar and Nikolay Kuznetsov},
journal= {arXiv preprint arXiv:2212.02341},
year = {2023}
}
备注
This paper is under review; the section describing conversion from malware structure to fractal figure is temporarily erased here to protect our idea. It will be replaced by a full version when accepted