用于行為分析反木馬的模糊分類(lèi)算法研究.pdf

1、信息安全問(wèn)題，在網(wǎng)絡(luò)迅速發(fā)展與廣泛應(yīng)用的現(xiàn)代社會(huì)中，日益受到人們重視。特洛依木馬(Trojan-horse)是影響信息安全的一個(gè)重要問(wèn)題，與絕大多數(shù)的網(wǎng)絡(luò)政治經(jīng)濟(jì)案件聯(lián)系在一起，數(shù)量和危害程度上均占到較大比重，并呈上升趨勢(shì)，至今尚未能找到行之有效的辦法來(lái)充分遏制木馬危害的持續(xù)上升。因此，反木馬的研究一直是信息安全領(lǐng)域的一個(gè)熱點(diǎn)和重點(diǎn)。 目前木馬檢測(cè)方法大多為特征碼檢測(cè)技術(shù)體系。行為分析由于具有檢測(cè)特征碼未知的木馬、病毒等非法程序

2、的能力，具有主動(dòng)防御的特點(diǎn)，成為反木馬和反病毒等研究領(lǐng)域中的最重要技術(shù)。在對(duì)現(xiàn)有的基于行為分析技術(shù)的反木馬策略分析后，本文發(fā)現(xiàn)，大多數(shù)策略中存在著誤報(bào)、漏報(bào)率過(guò)高、應(yīng)用效率過(guò)低、交互式結(jié)構(gòu)不符合用戶(hù)使用等諸多不足。鑒于上述不足，本文通過(guò)對(duì)反木馬算法理論體系研究和木馬行為特征分析，建立了一套反木馬算法設(shè)計(jì)標(biāo)準(zhǔn)，為算法的構(gòu)建和實(shí)際應(yīng)用提供有力的依據(jù)。在此基礎(chǔ)上提出并設(shè)計(jì)了用于行為分析反木馬的模糊模型分類(lèi)算法，最后利用實(shí)驗(yàn)證明了本文反木馬算法

3、的有效性。本文的主要研究工作如下： 1．歸納總結(jié)出行為分析反木馬技術(shù)面臨的核心問(wèn)題。 本文深入的分析木馬危害的形成過(guò)程，描述了木馬產(chǎn)業(yè)鏈的構(gòu)成。討論了主流木馬查殺技術(shù)與評(píng)判標(biāo)準(zhǔn)。對(duì)現(xiàn)有的反木馬算法進(jìn)行了深入地剖析。最后本文總結(jié)認(rèn)為：用于行為分析判別的分類(lèi)算法不成熟是該技術(shù)面臨的核心問(wèn)題。 2．建立了反木馬算法設(shè)計(jì)標(biāo)準(zhǔn)，同時(shí)指出了判別精度的理論上界。 本文依據(jù)國(guó)外著名學(xué)者Frederick.Cohen博士提

4、出的惡意代碼的不可精確判定理論體系，指出了馮．諾伊曼體系下的惡意代碼是無(wú)法在多項(xiàng)式時(shí)間內(nèi)100％精確地判別惡意代碼，從而從理論上得到反木馬系列算法只可做到局部100％的精度上界。在總結(jié)和歸納目前反木馬分類(lèi)算法上存在的不足，結(jié)合行為分析技術(shù)以及反木馬的特點(diǎn)，我們給出了三條原則作為基于行為分析的反木馬設(shè)計(jì)算法標(biāo)準(zhǔn)：算法能夠有效緩減特征屬性的增長(zhǎng)帶來(lái)的算法效率下降；算法允許在多項(xiàng)式時(shí)間內(nèi)自適應(yīng)局部收斂到一個(gè)有效精度；算法可以自動(dòng)提煉特征屬性。

5、 3．提出了一種新的基于多層模糊分類(lèi)系統(tǒng)的反木馬算法。 模糊分類(lèi)是指用來(lái)處理帶有模糊性模式的識(shí)別方法，具備概率推理能力強(qiáng)、語(yǔ)義清晰、易于理解等特點(diǎn)。木馬與合法程序的行為特征就存在這樣的一種模糊性。基于這種模糊性的特點(diǎn)以及反木馬算法設(shè)計(jì)的三個(gè)標(biāo)準(zhǔn)，本文給出了一種新的基于多層模糊分類(lèi)系統(tǒng)的反木馬算法，它根據(jù)模糊規(guī)則初始分類(lèi)的正確與否自適應(yīng)的調(diào)整規(guī)則的置信強(qiáng)度來(lái)訓(xùn)練算法中的規(guī)則，最終實(shí)現(xiàn)木馬判別的局部高精度分類(lèi)。 4．

6、對(duì)本文給出的算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，并利用交叉驗(yàn)證法首次解決了木馬實(shí)驗(yàn)數(shù)據(jù)集一直存在的小數(shù)據(jù)量及測(cè)試樣本庫(kù)權(quán)威性的問(wèn)題，從而使測(cè)試結(jié)果更加有效。 實(shí)驗(yàn)中，共收集了200個(gè)合法程序，并查閱和研究了200個(gè)木馬的技術(shù)細(xì)節(jié)，提取了常見(jiàn)的7個(gè)行為特征來(lái)進(jìn)行實(shí)驗(yàn)。通過(guò)實(shí)驗(yàn)結(jié)果分析，證明了本文給出模糊分類(lèi)算法在訓(xùn)練階段可在有效的時(shí)間實(shí)現(xiàn)局部100％的分類(lèi)精度，并在測(cè)試階段取得高精度判別。同時(shí)，本文通過(guò)與同等實(shí)驗(yàn)條件下的貝葉斯反木馬分類(lèi)算法的比較后