MLPdf：一种基于机器学习的有效 PDF 恶意软件检测方法
密码学与安全
2018-08-22 v1
摘要
由于便携式文档格式（PDF）的流行以及主流 PDF 阅读器应用中漏洞数量的不断增加，恶意软件编写者持续利用它通过网页下载、电子邮件附件以及其他方式在定向与非定向攻击中投递恶意软件。如何有效拦截恶意 PDF 文档这一课题在网络安全工业界与学术界均引起了巨大研究兴趣，且毫无减缓迹象。本文提出一种基于多层感知机（MLP）神经网络模型的新型方法，称为 MLPdf，用于检测基于 PDF 的恶意软件。更具体地，MLPdf 模型使用带随机梯度下降搜索的反向传播算法进行模型更新。从包含两个约含 105000 个良性与恶意 PDF 文档的真实数据集中提取了一组高质量特征。评估结果表明，所提出的 MLPdf 方法表现出优异性能，以 95.12% 的更高真阳性率显著优于所有受评估的八款知名商业杀毒扫描器，同时保持 0.08% 的极低假阳性率。
引用
@article{arxiv.1808.06991,
title = {MLPdf: An Effective Machine Learning Based Approach for PDF Malware Detection},
author = {Jason Zhang},
journal= {arXiv preprint arXiv:1808.06991},
year = {2018}
}
备注
Presented at Black Hat USA 2018