MalDICT：关于恶意软件行为、平台、漏洞利用与加壳工具的基准数据集
密码学与安全
2023-10-19 v1
摘要
现有的恶意软件分类研究几乎只关注两项任务：区分恶意与良性文件，以及按家族对恶意软件分类。然而，恶意软件可依据许多其他类型的属性进行分类，而利用机器学习在新出现的恶意软件中识别这些属性的能力可为分析人员提供重要价值。我们特别指出了先前工作中代表性不足的四个任务：按恶意软件表现的行为、运行的平台、利用的漏洞以及所使用的加壳工具进行分类。为获取用于在这些任务上训练和评估 ML 分类器的标签，我们创建了名为 ClarAVy 的杀毒（AV）标签工具。ClarAVy 复杂的 AV 标签解析器区别于先前的基于 AV 的标注工具，能够准确解析 90 种不同 AV 产品所使用的 882 种不同 AV 标签格式。我们发布了这四个分类任务各自的基准数据集，使用 ClarAVy 标注，总共包含近 550 万个恶意文件。我们的恶意软件行为数据集包含 75 个不同的标签——几乎是唯一先前的带行为标签的基准数据集的 7 倍。据我们所知，我们是首个发布带恶意软件平台与加壳工具标签的数据集的。
引用
@article{arxiv.2310.11706,
title = {MalDICT: Benchmark Datasets on Malware Behaviors, Platforms, Exploitation, and Packers},
author = {Robert J. Joyce and Edward Raff and Charles Nicholas and James Holt},
journal= {arXiv preprint arXiv:2310.11706},
year = {2023}
}