文件名异而恶意如故？
密码学与安全
2019-10-14 v1 机器学习
摘要
针对信息技术系统的恶意软件攻击一旦得手，可造成数百万美元损失、敏感与隐私信息泄露以及数据的不可逆破坏。分析文件内容的反病毒系统结合静态与动态分析来检测并清除/修复此类恶意软件。然而，在实践中并非总能检查文件的完整内容，因为传入数据的体量与速度可能过高，或对底层文件内容的访问受限或不可得。若能在不查看文件内容的情况下估计文件相对的恶意可能性，我们便能更好地安排文件处理优先级，并在文件不可用时辅助分析人员。本工作中，我们证明文件名可包含预测文件中是否存在恶意软件的信息。具体而言，我们在 Endgame 的 EMBER 恶意软件检测基准数据集上，展示了字符级卷积神经网络利用文件名预测恶意软件状态的有效性。
引用
@article{arxiv.1910.04753,
title = {Would a File by Any Other Name Seem as Malicious?},
author = {Andre T. Nguyen and Edward Raff and Aaron Sant-Miller},
journal= {arXiv preprint arXiv:1910.04753},
year = {2019}
}