Smart OMVI：基于新数据集的混淆恶意软件变体识别
密码学与安全
2023-10-18 v1 人工智能
机器学习
摘要
随着日常计算机使用的增长，网络安全在数字时代已成为一个重大问题。网络犯罪分子如今从事的已不止于病毒传播与计算机入侵。网络战由此兴起，因其已对国家生存构成威胁。恶意软件分析作为抵御攻击的第一道防线，是网络犯罪的重要组成部分。每天，大量计算机用户、企业和政府机构成为恶意软件攻击的目标，造成数十亿美元的损失。尽管安全专家拥有多种工具用于识别恶意软件，但其设计者通过非常微小而巧妙的改动，即可使恶意软件规避多种杀毒（AV）软件。为应对这一挑战，我们构建了一个名为混淆恶意软件数据集（OMD）的新数据集。该数据集包含 40 个不同恶意软件家族的 21924 个样本，并融入了模拟恶意软件制造者策略的混淆技术，使其变体区别于原始样本。该数据集旨在为评估恶意软件分析技术的有效性提供更真实且具代表性的环境。我们应用并对比了多种传统机器学习算法，包括但不限于支持向量机（SVM）、随机森林（RF）、极端梯度提升（XGBOOST）等。结果表明，XGBoost 优于其他算法，准确率达 82%、精确率 88%、召回率 80%、F1 分数 83%。
引用
@article{arxiv.2310.10670,
title = {Smart OMVI: Obfuscated Malware Variant Identification using a novel dataset},
author = {Suleman Qamar},
journal= {arXiv preprint arXiv:2310.10670},
year = {2023}
}