基于概率神經(jīng)網(wǎng)絡的Drive-byDownload惡意腳本檢測技術研究.pdf

1、近些年來，互聯(lián)網(wǎng)威脅逐漸從電子郵件轉移到即時通軟件和惡意網(wǎng)頁。包含有害腳本代碼的網(wǎng)頁成為不法分子散播攻擊程序的主要手段。網(wǎng)頁有害腳本主要基于Javascript語言，針對瀏覽器及其插件的漏洞進行攻擊，獲取系統(tǒng)控制權限。Javascript與瀏覽器緊密結合，容易變形混淆，所以代碼檢測難度大。瀏覽器及其插件漏洞層出不窮，并且漏洞攻擊技術日益成熟，使得有害腳本影響范圍廣。有害腳本特別是Drive-by-Download攻擊與其他方式相比，更加

2、隱蔽且成功率更高，越來越受到入侵者的青睞。目前，有害腳本代碼檢測技術主要提取腳本靜態(tài)特征和動態(tài)執(zhí)行特征。靜態(tài)特征是腳本的統(tǒng)計特征和語義特征，靜態(tài)分析技術通過對比正常腳本和有害腳本靜態(tài)特征的差異實現(xiàn)腳本檢測。靜態(tài)分析技術能夠實現(xiàn)對未知樣本檢測，并且檢測速度快，但是它對混淆腳本檢測能力有限。動態(tài)特征是指在模擬環(huán)境中，腳本代碼動態(tài)執(zhí)行過程中的可疑對象和可疑操作。動態(tài)分析技術可以實現(xiàn)對混淆腳本的檢測，但是資源占用量大，檢測速度慢，環(huán)境配置要求高

3、。
　　 本文提出了一種新的檢測模型，首先提取腳本的混淆特征判斷腳本是否混淆化，對腳本解混淆，然后提取腳本的靜態(tài)統(tǒng)計特征，根據(jù)語義對腳本序列化，生成危險序列樹，提取腳本的危險序列特征。用混淆特征、統(tǒng)計特征和危險序列特征三類特征描述腳本。本文利用概率神經(jīng)網(wǎng)絡算法生成分類器，它具有訓練簡單、魯棒性好、自組織能力強等優(yōu)點，特別適合應用于模式分類。本文的檢測方法克服了靜態(tài)分析技術不能檢測混淆腳本的缺點，并且資源占用少、檢測速度快。最后，