面向 HPC 应用分类的恶意软件检测技术
密码学与安全
2024-11-28 v1 分布式、并行与集群计算
摘要
HPC 系统面临安全和合规挑战，尤其是防止未经授权或恶意软件导致计算资源浪费和滥用，这些软件与分配目的不符。现有方法通常基于作业名称或资源使用情况对应用进行分类，往往不可靠或无法捕捉由于不同输入或系统噪声导致的不同行为。本研究提出一种方法，使用保持相似性的模糊散列来对 HPC 应用可执行文件进行分类。通过比较 SSDeep 模糊散列的相似性，随机森林分类器可以准确标记在 HPC 系统上运行的应用，包括未知样本。我们在 92 个应用类别和 5333 个独立应用样本的数据集上对 Fuzzy Hash 分类器进行了评估。该方法实现了 90% 的宏平均 F1 分数（微平均 F1 分数：89%，加权 F1 分数：90%）。我们的做法解决了 HPC 环境中更有效应用分类的关键需求，最小化资源浪费，提升安全性和合规性。
引用
@article{arxiv.2411.18327,
title = {Using Malware Detection Techniques for HPC Application Classification},
author = {Thomas Jakobsche and Florina M. Ciorba},
journal= {arXiv preprint arXiv:2411.18327},
year = {2024}
}