层次流形投影用于勒索软件检测：识别恶意加密模式的新型几何方法
密码学与安全
2025-03-26 v2
摘要
基于加密的网络威胁持续演变，采用日益复杂的技术来绕过传统检测机制。许多现有的分类策略依赖于静态规则集、基于签名的匹配或需要大量标注数据集的机器学习模型，使其对表现出多态性和对抗性行为的新型勒索软件家族无效。一种通过层次流形投影构建的新型分类框架引入了一种检测恶意加密工作流的数学方法，保留了区分勒索软件引起的修改与良性加密操作的几何一致性。所提出的方法将加密序列转换为结构化流形嵌入，通过非欧几里得特征可分性而非依赖静态指标来确保分类的鲁棒性。泛化能力在多种勒索软件变体上保持稳定，因为层次分解技术捕获了多尺度加密特征，同时保持对代码混淆和执行流修改的弹性。实证分析表明，即使在引入加密密钥可变性、延迟执行策略或 API 调用混淆策略的情况下，检测准确率仍然很高，从而强化了基于流形分类的可靠性。实时可扩展性评估确认所提出的方法在增加数据集规模时保持了计算效率，验证了其在大规模威胁检测场景中的适用性。
引用
@article{arxiv.2502.08013,
title = {Hierarchical Manifold Projection for Ransomware Detection: A Novel Geometric Approach to Identifying Malicious Encryption Patterns},
author = {Frederick Pembroke and Eleanor Featherstonehaugh and Sebastian Wetherington and Harriet Fitzgerald and Maximilian Featherington and Peter Idliman},
journal= {arXiv preprint arXiv:2502.08013},
year = {2025}
}
备注
arXiv admin note: This paper has been withdrawn by arXiv due to disputed and unverifiable authorship