基于冗余系数渐进加权的互信息特征选择技术用于加密勒索软件早期检测
密码学与安全
2020-12-01 v1 信息论
机器学习
math.IT
摘要
加密勒索软件的特点是其不可逆影响，即使在检测与清除之后亦然。因此，早期检测对于保护用户数据与文件免遭勒索至关重要。若干解决方案提出利用攻击初始阶段、在加密发生前提取的数据。然而，攻击早期阶段数据不足以及高维特征空间使得模型易于过拟合，从而降低其检测准确率。为此，本文提出一种新颖的冗余系数渐进加权方法，将其纳入互信息的冗余项计算中，以改进特征选择过程并提升检测模型的准确率。使用了若干机器学习分类器来评估所提技术的检测性能。实验结果表明，所提技术取得了更高的检测准确率。这些结果证明了所提技术用于早期检测任务的有效性。
引用
@article{arxiv.1807.09574,
title = {Redundancy Coefficient Gradual Up-weighting-based Mutual Information Feature Selection Technique for Crypto-ransomware Early Detection},
author = {Bander Ali Saleh Al-rimy and Mohd Aizaini Maarof and Syed Zainudeen Mohd Shaid},
journal= {arXiv preprint arXiv:1807.09574},
year = {2020}
}