用于恶意软件分类的随机森林
密码学与安全
2016-09-27 v1 机器学习
摘要
应对恶意软件活动的挑战涉及对不同恶意软件变体的正确识别和分类。各种恶意软件采用代码混淆方法改变其代码签名，从而有效对抗利用静态方法和签名数据库的反恶意软件检测技术。在本研究中，我们采用了一种将恶意软件二进制文件转换为图像的方法，并使用随机森林对各种恶意软件家族进行分类。所得的 0.9562 的准确率证明了该方法在检测恶意软件方面的有效性。
引用
@article{arxiv.1609.07770,
title = {Random Forest for Malware Classification},
author = {Felan Carlo C. Garcia and Felix P. Muga},
journal= {arXiv preprint arXiv:1609.07770},
year = {2016}
}