基于分层熵扩散的层次化勒索病毒检测：一种概率性异常隔离方法
密码学与安全
2025-03-26 v2
摘要
随着加密勒索技术的日益复杂，发展出能够在不依赖预定义签名的情况下识别对抗性加密行为的自适应检测框架已成为必要。层次化熵扩散 (HED) 引入一种结构化的熵基异常分类机制，通过系统性地跟踪熵演化的波动来区分良性加密过程与未授权加密尝试。将层次化聚类、熵轮廓和概率扩散建模相结合，可细化检测粒度，确保即便在混淆策略或增量执行方法下，仍能识别加密异常。实验评估表明，HED 在多样化的勒索病毒族群中保持了高分类准确率，超越了传统基于启发式的方法和基于签名的方法，同时显著降低了误报率。比较分析显示，熵基异常分段在可变系统工作负载条件下提升了检测效率，确保了实时分类的可行性。与熵异常检测相关的计算开销仍在操作约束范围内，强化了熵驱动分类在大规模部署中的适用性。在加密完成前识别对抗性熵操控的能力，有助于更广泛的网络安全防御，提供了一种结构化的方法，用于在异构计算环境中隔离未授权的加密活动。结果进一步强调，熵演化建模有助于实现预测性异常检测，增强了对旨在规避传统检测机制的加密规避技术的韧性。
引用
@article{arxiv.2502.03882,
title = {Hierarchical Entropic Diffusion for Ransomware Detection: A Probabilistic Approach to Behavioral Anomaly Isolation},
author = {Vasili Iskorohodov and Maximilian Ravensdale and Matthias von Holstein and Hugo Petrovic and Adrian Yardley},
journal= {arXiv preprint arXiv:2502.03882},
year = {2025}
}
备注
arXiv admin note: This paper has been withdrawn by arXiv due to disputed and unverifiable authorship