基于复合神经网络的静态与动态分析融合恶意软件家族分类
密码学与安全
2019-12-25 v1 机器学习
摘要
深度学习已用于恶意软件分析的研究。大多数分类方法使用静态分析特征或动态分析特征进行恶意软件家族分类，很少将二者结合作为分类特征，也未额外投入精力整合这两类特征。在本文中，我们将静态和动态分析特征与深度神经网络结合用于Windows恶意软件分类。我们开发了若干方法以不同方式生成静态和动态分析特征来分类恶意软件。给定这些特征，我们使用复合神经网络进行实验，表明所提方法在总计80个恶意软件家族、4519个恶意软件样本上以83.17%的准确率表现最佳。此外，我们表明使用融合特征进行恶意软件家族分类优于单独使用静态特征或动态特征。我们展示了静态和动态特征如何相互补充以用于恶意软件分类。
引用
@article{arxiv.1912.11249,
title = {Integration of Static and Dynamic Analysis for Malware Family Classification with Composite Neural Network},
author = {Yao Saint Yen and Zhe Wei Chen and Ying Ren Guo and Meng Chang Chen},
journal= {arXiv preprint arXiv:1912.11249},
year = {2019}
}