用于有效恶意软件家族分类的新颖特征提取、选择与融合
密码学与安全
2016-03-11 v2 人工智能
摘要
现代恶意软件被设计具有变异特性，即多态性和变形性，这导致恶意软件样本变体数量急剧增长。基于行为对恶意软件样本进行分类对计算机安全界至关重要，因为他们每天收到大量恶意软件，且签名提取过程通常基于表征恶意软件家族的恶意部分。微软于2015年发布了恶意软件分类挑战赛，提供了近0.5 TB的海量数据集，包含超过20K个恶意软件样本。对该数据集的分析启发了一种新颖范式的发展，该范式能有效地将恶意软件变体归类到其实际家族组中。本文提出并讨论了这一范式，重点放在与提取和选择一组新颖特征以有效表示恶意软件样本相关的阶段。特征可根据恶意软件行为的不同特性分组，其融合根据每类加权范式执行。所提方法在微软恶意软件挑战赛数据集上达到了极高的准确率( 0.998)。
引用
@article{arxiv.1511.04317,
title = {Novel Feature Extraction, Selection and Fusion for Effective Malware Family Classification},
author = {Mansour Ahmadi and Dmitry Ulyanov and Stanislav Semenov and Mikhail Trofimov and Giorgio Giacinto},
journal= {arXiv preprint arXiv:1511.04317},
year = {2016}
}