惡意代碼檢測中若干關(guān)鍵技術(shù)研究.pdf

1、隨著信息化進(jìn)程的日益深入和互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，計算機在給人們的生活和工作方式帶來巨大便利的同時也帶來了計算機病毒，因此產(chǎn)生了日益嚴(yán)峻的信息安全問題。雖然在商業(yè)應(yīng)用中已經(jīng)有很多種類的殺毒軟件，但一般都是傳統(tǒng)的基于標(biāo)簽的惡意代碼檢測技術(shù)，這種檢測方法誤報率低漏報率高，不能檢測新型惡意代碼，這個特點造成了惡意代碼檢測技術(shù)存在著巨大的漏洞，使得殺毒軟件在面對新型病毒時失去了它應(yīng)有的價值，造成計算機用戶的安全隨時受著威脅。基于異常檢測的方法能夠

2、檢測新型的惡意代碼，因而大量研究者對惡意代碼檢測研究一般采用基于異常檢測的方法。本文基于機器學(xué)習(xí)和正則化方法對惡意代碼檢測的若干關(guān)鍵問題進(jìn)行研究，著眼于惡意代碼檢測的過程，對其中的兩個重要環(huán)節(jié)即惡意代碼特征表示方法和惡意代碼特征選擇方法進(jìn)行了深入研究。全文主要研究工作從以下四個方面展開:
　　 (1)對惡意代碼特征表示方法進(jìn)行研究
　　 本文根據(jù)惡意代碼檢測過程中惡意代碼特征表示原理和特征表示粒度的不同，對現(xiàn)有的惡意代碼

3、特征表示方法進(jìn)行了深入研究，對現(xiàn)有的各種表示方法進(jìn)行回顧、梳理并將其分為基于n元序列的特征表示方法，基于OPCode的特征表示方法，基于基本塊的特征表示方法，基于行為的特征表示方法。
　　 (2)對惡意代碼特征選擇方法進(jìn)行研究
　　 本文對惡意代碼特征選擇方法進(jìn)行了系統(tǒng)的研究，特征選擇是惡意代碼檢測的第二個階段，良好的特征選擇方法可以有效降低樣本數(shù)據(jù)的維數(shù)提高分類器的分類效率和正確率，本文對現(xiàn)有的部分特征選擇方法包括基于

4、有監(jiān)督的信息增益(InformationGain,IG)方法、開方擬合檢驗方法(x2，CHI)和無監(jiān)督的文檔頻率(DocumentFrequency,DF)方法、基于熵的選擇(Entropy-Basedranking)方法、單詞貢獻(xiàn)度(TermContribution，TC)方法，F(xiàn)isher分值(F-score)方法進(jìn)行系統(tǒng)的總結(jié)梳理。
　　 (3)對惡意代碼特征選擇的各種方法性能進(jìn)行對比分析
　　 由于使用不同的特征

5、選擇方法對惡意代碼檢測的性能有不同的影響，本文使用常用的基于N元序列的n-gram特征表示方法提取樣本的特征，然后使用常用的惡意代碼特征選擇方法進(jìn)行樣本的特征選擇，用選取的特征進(jìn)行分類器的訓(xùn)練，最后通過仿真實驗對各種特征選擇方法選取的特征對最終惡意代碼分類器的分類性能貢獻(xiàn)大小進(jìn)行分析。
　　 (4)提出基于正則化的單類支持向量機
　　 傳統(tǒng)的單類分類方法基于無監(jiān)督學(xué)習(xí)理論，缺乏對惡意代碼檢測領(lǐng)域中存在的未標(biāo)號的樣本的使用