基于沙箱技術(shù)的惡意代碼行為自動(dòng)化檢測(cè)方法.pdf

1、惡意代碼利用各種方法在計(jì)算機(jī)系統(tǒng)和互聯(lián)網(wǎng)中快速擴(kuò)散，對(duì)網(wǎng)絡(luò)環(huán)境安全造成了威脅。任何以某種方式對(duì)用戶、計(jì)算機(jī)或者網(wǎng)絡(luò)造成破壞的軟件，都可以被認(rèn)為是惡意代碼，包括計(jì)算機(jī)病毒、木馬、蠕蟲(chóng)、勒索軟件、間諜軟件等等。隨著互聯(lián)網(wǎng)越來(lái)越發(fā)達(dá)，惡意代碼的威脅也越來(lái)越受到重視。因此，研究惡意代碼的檢測(cè)技術(shù)具有重要的現(xiàn)實(shí)意義。目前的反病毒軟件使用的基于特征碼掃描技術(shù)，該技術(shù)依賴于已知的特征庫(kù)，不能檢測(cè)具有新特征的惡意代碼，隨著惡意代碼數(shù)量增多，特征庫(kù)越來(lái)越

2、龐大也成為重要的問(wèn)題。
　　針對(duì)目前方法的不足，提出了一種基于沙箱技術(shù)的自動(dòng)化惡意代碼行為檢測(cè)方法。該方法主要思想是利用虛擬機(jī)軟件模擬沙箱環(huán)境，整合了靜態(tài)分析方法和動(dòng)態(tài)分析方法。靜態(tài)分析方法包括：利用文件熵檢測(cè)惡意代碼是否加殼，使用 ClamAV特征庫(kù)掃描惡意代碼類型等；動(dòng)態(tài)分析方法包括：監(jiān)控系統(tǒng)調(diào)用，捕獲惡意代碼的運(yùn)行時(shí)行為，利用現(xiàn)有的惡意行為知識(shí)庫(kù)對(duì)這些行為進(jìn)行分類和分級(jí)，利用虛擬機(jī)技術(shù)獲取內(nèi)存鏡像等。然后利用上述方法實(shí)現(xiàn)了一

3、個(gè)完整的沙箱系統(tǒng)，該系統(tǒng)可以自動(dòng)化的完成惡意代碼靜態(tài)和動(dòng)態(tài)行為分析過(guò)程。
　　使用實(shí)現(xiàn)的沙箱系統(tǒng)檢測(cè)搜集的典型惡意代碼樣本，并對(duì)結(jié)果進(jìn)行了分析。重點(diǎn)檢測(cè)分析了兩個(gè)典型的惡意代碼樣本 conficker和 IMworm，有效的檢測(cè)了惡意代碼的大部分惡意行為，行為檢測(cè)率分別達(dá)到了66.7％和80.0%。接著檢測(cè)搜集的44個(gè)惡意代碼樣本，通過(guò)和知名檢測(cè)系統(tǒng)文件 B超進(jìn)行對(duì)比，證明該沙箱系統(tǒng)對(duì)惡意行為的整體檢測(cè)水平和文件 B超基本相當(dāng)；對(duì)