利用行为性危害指标进行沙箱样本分类
密码学与安全
2022-01-20 v1 机器学习
摘要
行为性危害指标（Behavioral Indicators of Compromise, BICs）与各种自动方法相关，这些方法通过观测在虚拟执行环境中执行的系统函数调用来提取样本行为。因此，每个样本都由沙箱环境中样本行为触发的一组 BICs 所描述。在此我们讨论一种基于触发的 BICs 列表、将沙箱样本分类为恶意（MALICIOUS）或良性（BENIGN）的机器学习方法。除逻辑回归和朴素贝叶斯分类等较传统的方法外，我们还讨论了一种受统计蒙特卡洛方法启发的不同方法。数值结果使用 ThreatGRID 和 ReversingLabs 数据进行说明。
引用
@article{arxiv.2201.07359,
title = {Sandbox Sample Classification Using Behavioral Indicators of Compromise},
author = {M. Andrecut},
journal= {arXiv preprint arXiv:2201.07359},
year = {2022}
}
备注
10 pages, 2 figures