利用决策树之力检测物联网恶意软件
密码学与安全
2023-01-31 v1 机器学习
摘要
由于其简便的安装与连接，物联网 (IoT) 易受恶意软件攻击，且能够自主运行。随着 IoT 设备日益普及，它们已成为恶意软件最具诱惑性的目标。弱口令、可猜测或硬编码密码，以及缺乏安全措施，连同不安全的网络连接与过时的更新流程，共同导致了这些漏洞。为理解 IoT 恶意软件，当前使用静态方法的与分析手段效果不佳。近年来，深度学习领域因其巨大的数据挖掘、学习与表达能力取得重大进展，网络安全也随之迅猛发展。因此，恶意软件分析师将不必花费大量时间分析恶意软件。本文中，我们提出一种利用决策树之力与简洁性的新型检测与分析方法。实验使用真实世界数据集 MaleVis（一个公开可用数据集）进行。基于结果，我们表明所提方法优于现有最先进方案，在检测与分类上达到 97.23% 准确率与 95.89% 召回率，特异度 96.58%、F1 分数 96.40%、准确度 96.43%。
引用
@article{arxiv.2301.12039,
title = {Harnessing the Power of Decision Trees to Detect IoT Malware},
author = {Marwan Omar},
journal= {arXiv preprint arXiv:2301.12039},
year = {2023}
}