二维空间中的恶意软件家族降维可视化与分类增强
密码学与安全
2019-01-31 v1 机器学习
摘要
恶意软件根据其静态与动态特征、感染方式以及威胁性质被划分为不同家族。在低维空间中对恶意软件实例与家族进行可视化探索，有助于初步了解这些实例之间的依赖与关联关系、检测其群组并隔离离群点。此外，对不同特征集的可视化探索有助于评估这些特征集能否承载有效的抽象表示，该表示随后可用于分类与聚类算法以取得高准确率。本文研究一种最佳的降维技术 t-SNE，将恶意软件表示从高维（包含数千个特征）空间降至低维空间。我们尝试了不同特征集并在二维中描绘恶意软件簇。令人惊讶的是，t-SNE 不仅提供了良好的二维绘图，还显著提升了 SVM 分类器的泛化能力。而且，所得结果表明，使用样本的二维嵌入表示所得的交叉验证准确率远优于使用原始高维表示。
引用
@article{arxiv.1901.10590,
title = {Throttling Malware Families in 2D},
author = {Mohamed Nassar and Haidar Safa},
journal= {arXiv preprint arXiv:1901.10590},
year = {2019}
}