POSSE：软件加密过程中的系统行为模式
密码学与安全
2021-09-28 v1 机器学习
摘要
本研究利用性能监控与统计机器学习重新构建勒索软件检测方法。该工作构建了一个具有 41 个输入变量的测试环境进行标注，并比较了三种计算状态：空闲、加密与压缩。此类行为检测器的共同目标在于预判并阻断通过加密锁定硬盘的最后一步，以及索要赎金以将文件系统恢复至基线的需求。在比较各类机器学习技术后，线性回归优于随机森林、决策树与支持向量机（SVM）。所有算法对 3 种可能类别（空闲、加密与压缩）的分类准确率均大于 91%。
引用
@article{arxiv.2109.12162,
title = {POSSE: Patterns of Systems During Software Encryption},
author = {David Noever and Samantha Miller Noever},
journal= {arXiv preprint arXiv:2109.12162},
year = {2021}
}