基于API序列特征和统计特征组合的恶意样本检测框架
2018-04-11分类号：TP309.5
【部门】北京邮电大学网络空间安全学院 中国信息安全测评中心 公安部第三研究所
【摘要】针对恶意样本行为分析,该文提出了一种组合机器学习框架,首先对应用程序编程接口(application programming interface,API)序列中调用的依赖关系进行功能层面上的分析,提取特征,使用随机森林进行检测;其次利用深度学习中的循环神经网络处理时间序列数据的特性,在冗余信息预处理的基础上,直接对序列进行学习和检测;最后对2种方法进行了组合.在恶意软件样本上进行的实验结果表明:2种方法均可有效检测恶意样本,但是组合学习的效果更优,AUC(area under the curve of R
【关键词】计算机病毒与防治 恶意样本检测 机器学习 深度学习 调用序列
【基金】国家自然科学基金资助项目(61472046,U1536122);; 信息网络安全公安部重点实验室开放课题项目(C17607);; 北京市科协“金桥工程种子资金”项目;; 中国计算机学会-绿盟科技鲲鹏基金项目(CCF-NSFOUS2017006)
【所属期刊栏目】清华大学学报(自然科学版)
文献传递
