NapierOne：一种替代 Govdocs1 的现代混合文件数据集
密码学与安全
2022-01-21 v1
摘要
在回顾勒索软件检测研究文献时发现，几乎没有任何提案提供足够的关于测试数据集如何创建的细节，或对其实际内容的充分描述，以使其他有兴趣重建其环境并验证研究结果的研究人员能够复现它。本文提出一个名为 NapierOne 的现代网络安全混合文件数据集，主要面向（但不局限于）勒索软件检测和取证分析研究。NapierOne 旨在解决可复现性方面的这一不足，并通过促进研究复现和重复性来提高一致性。本文还详细描述了创建该数据集所用的方法论。该数据集的灵感来自 Govdocs1 数据集，并且旨在将 NapierOne 用作该原始数据集的补充。我们进行了一项调查，目的是确定当前使用的常见文件类型。未发现明确提供此信息的特定研究，因此采用了一种替代的共识方法。这包括将多个文件类型使用来源的发现合并为一个总体排名列表。之后，针对每个确定的常见文件类型收集了 5000 个真实世界示例文件，并创建了特定的数据子集。在某些情况下，为特定文件类型创建了多个数据子集，每个子集代表该文件类型的一种特定特征。例如，ZIP 文件类型有多个数据子集，每个子集包含一种特定压缩方法的示例。勒索软件执行往往产生高熵文件，因此天然具有该属性的文件类型示例也存在。
引用
@article{arxiv.2201.08154,
title = {NapierOne: A modern mixed file data set alternative to Govdocs1},
author = {Simon R Davies and Richard Macfarlane and William J Buchanan},
journal= {arXiv preprint arXiv:2201.08154},
year = {2022}
}