基于概率密码学足迹的层次化模式解密方法用于勒索软件检测
密码学与安全
2025-08-11 v2 人工智能
摘要
加密型勒索软件日益复杂的趋势催生了创新的检测和缓解方法，推动了基于概率密码分析的层次化框架开发。该方法聚焦于加密模式的统计特征，提出一种分层方法，将高级聚类算法与机器学习结合，以隔离勒索软件引起的异常。通过对多样化勒索软件族进行全面测试，该框架展现出卓越的准确性，有效区分恶意加密操作与良性活动，同时保持较低的误报率。该系统的设计集成了动态反馈机制，使其能够适应不同密码学复杂性和操作环境。详细的熵基评估揭示了其对加密工作流程中细微偏差的敏感性，为传统依赖静态签名或启发式方法的检测提供了稳健的替代方案。计算基准测试确认了其可扩展性和效率，在高数据负载和复杂密码场景下仍能保持一致性能。实时聚类和异常评估的包含确保了快速响应能力，解决了勒索软件检测中的关键延迟挑战。与既定方法的绩效比较突显了其在检测效果上的提升，尤其是针对使用扩展密钥长度和独特密码协议的高级勒索软件。
引用
@article{arxiv.2501.15084,
title = {Hierarchical Pattern Decryption Methodology for Ransomware Detection Using Probabilistic Cryptographic Footprints},
author = {Kevin Pekepok and Persephone Kirkwood and Esme Christopolous and Florence Braithwaite and Oliver Nightingale},
journal= {arXiv preprint arXiv:2501.15084},
year = {2025}
}
备注
arXiv admin note: This paper has been withdrawn by arXiv due to disputed and unverifiable authorship