OMD: 使用音频、图像与静态特征的正交恶意软件检测
密码学与安全
2021-11-09 v1 计算机视觉与模式识别
机器学习
信号处理
摘要
随着恶意软件和网络安全攻击数量的不断增长，亟需“正交”网络防御方法，这些方法通过检测其他手段未能预测的独有恶意软件样本，对现有方法形成补充。在本文中，我们提出一种新颖的正交恶意软件检测（OMD）方法，利用音频描述子、图像相似性描述子以及其他静态/统计特征的组合来识别恶意软件。首先，我们展示当恶意软件二进制文件表示为音频信号时，音频描述子在恶意软件家族分类中的有效性。随后，我们表明基于音频描述子的预测与基于图像相似性描述子及其他静态特征的预测是正交的。此外，我们开发了一个误差分析框架以及一种度量，用于量化新特征集（或类型）相对于其他特征集的正交程度。这使我们能够将新特征与检测方法添加到整体框架中。在恶意软件数据集上的实验结果表明，我们的方法为正交恶意软件检测提供了一个鲁棒的框架。
引用
@article{arxiv.2111.04710,
title = {OMD: Orthogonal Malware Detection Using Audio, Image, and Static Features},
author = {Lakshmanan Nataraj and Tajuddin Manhar Mohammed and Tejaswi Nanjundaswamy and Satish Chikkagoudar and Shivkumar Chandrasekaran and B. S. Manjunath},
journal= {arXiv preprint arXiv:2111.04710},
year = {2021}
}
备注
Submitted version - MILCOM 2021 IEEE Military Communications Conference