Mal-Netminer：基于系统调用图社会网络分析的恶意软件分类方法

随着安全态势随时间演变，每天出现数千种恶意代码，杀毒厂商努力检测和分类恶意软件家族，以对恶意软件活动做出高效有效的响应。为了丰富这一努力，并利用社会网络分析领域的思想，我们构建了一个工具，可通过源自其系统调用图结构特征来对恶意软件家族进行分类。为此，我们首先构造一个系统调用图，由单个恶意软件家族执行中发现的系统调用组成。为了探索各种恶意软件种类的区分特征，我们研究应用于调用图的社会网络属性，包括度分布、度中心性、平均距离、聚类系数、网络密度和组件比率。我们利用源自这些属性的特征来构建恶意软件家族的分类器。我们的实验结果表明，基于影响的图度量（如度中心性）对分类恶意软件有效，而恶意软件的一般结构度量对分类恶意软件效果较差。我们的实验证明，所提出的系统在每个恶意软件类别中检测和分类恶意软件家族的准确率大于 96%。