利用静态与动态恶意软件特征进行恶意软件归属
密码学与安全
2021-12-07 v1 机器学习
摘要
恶意软件归属是相对未被充分探索的领域，且归因恶意软件与检测作者身份相当困难。本文中，我们采用恶意可执行文件的多种静态与动态特征，依据家族对恶意软件进行分类。我们利用Cuckoo Sandbox与机器学习在这一研究中取得进展。分析后，使用多种深度学习与机器学习算法进行分类。利用从VirusTotal(静态)与Cuckoo(动态)报告收集的特征，我们将向量化数据输入多项朴素贝叶斯、支持向量机，以及以决策树为基估计器的Bagging。对每个分类器，我们用穷举搜索方法调优超参数。我们的报告对恶意软件归属极有用处。
引用
@article{arxiv.2112.02639,
title = {Using Static and Dynamic Malware features to perform Malware Ascription},
author = {Jashanpreet Singh Sraw and Keshav Kumar},
journal= {arXiv preprint arXiv:2112.02639},
year = {2021}
}