通过提取图标信息提升恶意软件检测准确率
密码学与安全
2017-12-12 v1 机器学习
摘要
检测 PE 恶意软件文件现今通常采用统计与机器学习模型。尽管这些模型常用从 PE 文件结构中提取的特征，我们提出这些文件的图标亦有助于更好地预测恶意软件。我们提出一种创新的机器学习方法从图标中提取信息。所提方法包含两步：1) 使用汇总统计、方向梯度直方图(HOG)和卷积自编码器提取图标特征，2) 基于提取的图标特征对图标聚类。利用公开可用数据并通过机器学习实验，我们表明所提图标聚类显著提升了恶意软件预测模型的功效。特别地，实验显示当预测模型中使用图标聚类时准确率平均提升 10%。
引用
@article{arxiv.1712.03483,
title = {Improving Malware Detection Accuracy by Extracting Icon Information},
author = {Pedro Silva and Sepehr Akhavan-Masouleh and Li Li},
journal= {arXiv preprint arXiv:1712.03483},
year = {2017}
}
备注
Full version. IEEE MIPR 2018