面向有效控制流图相似性分析的拓扑感知哈希
密码学与安全
2020-04-15 v1
摘要
控制流图（CFG）相似性分析是用于包括恶意软件检测与恶意软件聚类的多种安全分析任务的基本技术。尽管已开发各种算法，现有 CFG 相似性分析方法仍受限于效率、准确性与可用性不足。本文我们提出一种称为拓扑感知哈希（TAH）的新型模糊哈希方案，用于有效且高效的 CFG 相似性分析。给定从程序二进制构造的 CFG，我们提取 CFG 的混合 n-gram 图特征，将图特征编码为数值向量（称为图签名），随后通过比较图签名度量图相似性。我们进一步采用模糊哈希技术将数值图签名转换为更小的定长模糊哈希签名以高效计算相似性。我们的综合评估表明，与现有 CFG 比较技术相比，TAH 更有效且更高效。为展示 TAH 对真实世界安全分析任务的适用性，我们开发了基于 TAH 的二进制相似性分析工具，并表明其在执行恶意软件聚类时优于现有相似性分析工具。
引用
@article{arxiv.2004.06563,
title = {Topology-Aware Hashing for Effective Control Flow Graph Similarity Analysis},
author = {Yuping Li and Jiong Jang and Xinming Ou},
journal= {arXiv preprint arXiv:2004.06563},
year = {2020}
}
备注
20 pages, published in SecureComm 2019, see https://link.springer.com/chapter/10.1007/978-3-030-37228-6_14