面向自主勒索软件检测的层次化多义特征嵌入

勒索软件的演变要求开发更复杂的检测方法，能够识别超越传统基于签名和启发式技术的恶意行为。所提出的层次化多义特征嵌入框架引入了一种结构化的勒索软件检测方法，通过双曲特征表示捕获可执行行为中的层次依赖关系。通过将勒索软件相关特征嵌入非欧几里得空间，该框架保持了明确定义的决策边界，确保了对未见过的勒索软件变种的泛化能力得到提升。实验评估表明，该框架始终优于传统的基于机器学习的模型，在保持低误报率的同时实现了更高的检测准确率。双曲空间中采用的结构化聚类机制即使在存在混淆技术、延迟执行策略和多态变换的情况下也能实现稳健的分类。对比分析突显了现有检测框架的局限性，特别是它们无法动态适应不断演变的勒索软件战术。计算效率评估表明，所提出的方法在检测性能和处理开销之间保持了平衡，使其成为现实世界网络安全应用的可行候选方案。检测新兴勒索软件家族而无需大量重新训练的能力，证明了层次化嵌入在安全分析中的适应性。