SCGDet：基于可达性关系语义特征的恶意软件检测
密码学与安全
2019-06-12 v1
摘要
近年来，随着软件产业的蓬勃发展，越来越多的恶意软件变种被设计用于执行恶意行为。恶意软件的演化使得传统的基于签名的方法难以检测。此外，恶意软件检测对系统安全具有重要影响。本文提出了一种新颖的基于系统调用图模型（SCGM）的恶意软件检测方法SCGDet。我们首先开发了一种系统调用剪枝方法，能够排除对恶意软件检测影响甚微的系统调用。然后，我们提出了SCGM，它通过基于可达性关系对系统调用进行分组，能够捕获运行时程序的语义特征。我们旨在获取具有相似系统调用模式的恶意行为的通用表示。我们使用不同的机器学习算法，在包含854个恶意软件样本和740个良性样本的数据集上评估了SCGDet的性能。与传统的n-gram方法相比，SCGDet具有更小的特征空间、更高的检测准确率和更低的误报率。实验结果表明，SCGDet平均可降低14.75%的FPR，提高8.887%的准确率，并且在最佳情况下可获得97.44%的TPR、1.96%的FPR和97.78%的准确率。
引用
@article{arxiv.1906.04632,
title = {SCGDet: Malware Detection using Semantic Features Based on Reachability Relation},
author = {Renjie Lu},
journal= {arXiv preprint arXiv:1906.04632},
year = {2019}
}