基于线性判别分析与图相似度的变形恶意软件检测
密码学与安全
2018-11-13 v1
摘要
最常见的恶意软件检测方法基于签名匹配，不足以检测变形恶意软件，因为病毒工具包与变形引擎可产生彼此毫无相似之处的变体。变形提供了一种规避恶意软件检测工具包的高效方式。死代码插入等代码混淆方法也广泛用于变形恶意软件中。为解决检测变异代的问题，我们提出一种基于操作码图相似度（OGS）的方法。OGS 试图利用操作码图的相似度检测变形恶意软件。该方法中所有节点与边对分类均有相应影响，但在所提方法中，图的边使用线性判别分析（LDA）进行剪枝。LDA 基于寻找最佳分离两类或多类的预测变量线性组合的概念。最具区分性的边由 LDA 识别，其余边被移除。此处考虑的变形恶意软件家族为 NGVCK 与变形蠕虫，我们将这些蠕虫记为 MWOR。结果表明，我们的方法能够以无或最小误报对变形实例进行分类。此外，所提方法能以高准确率检测 NGVCK 与 MWOR。
引用
@article{arxiv.1811.04304,
title = {Metamorphic Malware Detection Using Linear Discriminant Analysis and Graph Similarity},
author = {Reza Mirzazadeh and Mohammad Hossein Moattar and Majid Vafaei Jahan},
journal= {arXiv preprint arXiv:1811.04304},
year = {2018}
}
备注
5th International Conference on Computer and Knowledge Engineering (lCCKE)