勒索软件检测动态：洞察与启示

勒索软件攻击的兴起促使人们开发有效的策略来识别和缓解这些威胁。本研究调查了特征选择算法在区分比特币（BTC）和美元（USD）中勒索软件相关交易与良性交易方面的应用。利用 UGRansome 数据集（一个包含勒索软件相关 BTC 和 USD 交易的综合数据集），我们提出了一组新颖的特征，旨在捕捉加密货币生态系统中勒索软件活动的显著特征。这些特征涵盖交易元数据、勒索分析和行为模式，提供了勒索软件相关金融交易的多维视角。通过严格的实验与评估，我们证明了我们的特征集在准确提取 BTC 和 USD 交易方面的有效性，从而有助于早期检测和预防勒索软件相关的金融流。我们引入了一种基于基尼不纯度和互信息（MI）的勒索软件特征选择算法（RFSA），用于从 UGRansome 数据集中选择关键的勒索软件特征。可视化结果的洞察突显了基于基尼不纯度和 MI 的特征选择通过有效区分勒索软件类别来增强勒索软件检测系统的潜力。分析表明，约 68% 的勒索软件事件涉及 1.46 至 2.56 范围内的 BTC 交易，每次攻击平均有 2.01 笔 BTC 交易。研究结果强调了勒索软件需求的动态性和适应性，表明特定的网络攻击没有固定金额，突显了勒索软件威胁的不断演变的格局。