惡意軟件識(shí)別方法研究與應(yīng)用.pdf

1、近年來，我國互聯(lián)網(wǎng)行業(yè)發(fā)展迅速。原來只存在于現(xiàn)實(shí)世界的許多事物被不斷地搬上互聯(lián)網(wǎng)，比如電子商務(wù)、網(wǎng)絡(luò)社交、互聯(lián)網(wǎng)金融等。人們的生活已經(jīng)越來越離不開互聯(lián)網(wǎng)，其已經(jīng)成為人們生活的一部分。
　　但在互聯(lián)網(wǎng)不斷融入人們生活的同時(shí)，不法分子也大量滲入進(jìn)來。他們利用惡意軟件竊取用戶帳戶密碼、窺探隱私、發(fā)送垃圾郵件等，從而獲取利益或者破壞正常的互聯(lián)網(wǎng)環(huán)境，這嚴(yán)重侵害了普通用戶的利益。對(duì)惡意軟件進(jìn)行準(zhǔn)確識(shí)別對(duì)于保護(hù)普通用戶的利益至關(guān)重要。但是國內(nèi)

2、主流的殺毒軟件仍然采用特征碼識(shí)別、啟發(fā)式搜索等惡意軟件識(shí)別技術(shù)?；跈C(jī)器學(xué)習(xí)的惡意識(shí)別方法還沒有得到廣泛的研究與使用。故本文主要研究基于機(jī)器學(xué)習(xí)的惡意軟件識(shí)別技術(shù)。本文主要以windows可執(zhí)行文件為例研究惡意軟件的識(shí)別，主要工作如下：
　　1.使用靜態(tài)分析技術(shù)與動(dòng)態(tài)分析技術(shù)進(jìn)行軟件樣本的特征的提取，利用提取到的信息構(gòu)建了包括PE文件頭特征、可讀字符串特征、關(guān)鍵行為特征、API調(diào)用次數(shù)特征、API調(diào)用時(shí)間序列、網(wǎng)絡(luò)特征等6類特征，

3、以全面刻畫軟件樣本。
　　2.提出基于XGBoost的多特征群模型融合算法進(jìn)行惡意軟件的識(shí)別，算法訓(xùn)練了多個(gè)分類模型，相當(dāng)于訓(xùn)練了多個(gè)精通不同領(lǐng)域的惡意軟件識(shí)別專家，每個(gè)分類模型使用一個(gè)或多個(gè)特征群的特征進(jìn)行模型的訓(xùn)練。然后綜合他們的識(shí)別結(jié)果得出最終的識(shí)別結(jié)果。實(shí)驗(yàn)表明其有較高的惡意軟件識(shí)別效果，在本文收集的數(shù)據(jù)集上正確率為97.6％，召回率為97.1%，準(zhǔn)確率為96.7%，高于傳統(tǒng)的分類算法。應(yīng)用該融合算法進(jìn)行惡意軟件識(shí)別為本文