

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息系統(tǒng)的廣泛應(yīng)用,惡意軟件始終困擾著系統(tǒng)的安全,損失越來(lái)越大。傳統(tǒng)的檢測(cè)方法使用靜態(tài)字節(jié)序列,只能處理樣本量較少、已知的惡意軟件,無(wú)法檢測(cè)新的、未知的惡意軟件。尤為嚴(yán)重的是,混淆技術(shù)大量應(yīng)用,導(dǎo)致每天有上萬(wàn)個(gè)沒(méi)有特征記錄的樣本出現(xiàn)。
針對(duì)上述問(wèn)題,本文借鑒信息檢索領(lǐng)域中的分類技術(shù),提出應(yīng)用數(shù)據(jù)挖掘分類、聚類算法檢測(cè)惡意軟件,從靜態(tài)、動(dòng)態(tài)兩種特征入手,研究如何有效地抽取文件特征屬性檢測(cè)惡意軟件。本文主要工作與貢獻(xiàn)如下:
2、
1)提出一種基于靜態(tài)信息挖掘的惡意軟件檢測(cè)方法
針對(duì)傳統(tǒng)的字節(jié)序列特征的不足,本文提出利用數(shù)據(jù)挖掘方法,基于三種靜態(tài)信息的惡意軟件檢測(cè)方法。在軟件脫殼、解密之后,從反匯編、引入地址表中得到的匯編碼操作類型的中間形式表示的文本、中間形式文本的N-gram特征集、靜態(tài)系統(tǒng)調(diào)用集。然后將這些靜態(tài)信息轉(zhuǎn)換為布爾型向量,在該向量空間模型中進(jìn)行主特征選擇、維度規(guī)約。最后把樣本的向量表示用來(lái)訓(xùn)練、驗(yàn)證、測(cè)試了四種分類模型
3、。其中自適應(yīng)數(shù)據(jù)壓縮算法專門用于處理中間形式表示的文本,另外三種算法已集成在現(xiàn)有系統(tǒng)中。實(shí)驗(yàn)結(jié)果表明自適應(yīng)壓縮算法檢測(cè)效果最佳,檢測(cè)率為95.5%,誤報(bào)率為1.7%。
2)提出一種基于系統(tǒng)調(diào)用序列挖掘的惡意軟件檢測(cè)方法
針對(duì)當(dāng)前大量應(yīng)用的混淆技術(shù),本文提出基于系統(tǒng)調(diào)用序列的惡意軟件檢測(cè)。首先利用監(jiān)控虛擬環(huán)境的工具,記錄軟件在虛擬環(huán)境中運(yùn)行時(shí)系統(tǒng)調(diào)用序列,得到動(dòng)態(tài)信息。然后使用N-perm方法處理序列串,并結(jié)合
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)挖掘的惡意軟件檢測(cè)研究
- 基于數(shù)據(jù)挖掘的惡意程序檢測(cè)技術(shù)研究
- 基于數(shù)據(jù)挖掘的惡意程序檢測(cè)技術(shù)研究.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)頁(yè)惡意代碼檢測(cè)技術(shù)研究.pdf
- 基于干凈數(shù)據(jù)的惡意軟件檢測(cè)技術(shù)研究.pdf
- 基于DNS流量的惡意軟件域名挖掘.pdf
- 基于數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的惡意代碼檢測(cè)技術(shù)研究.pdf
- 基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的惡意代碼檢測(cè)技術(shù)研究.pdf
- 基于Android內(nèi)存鏡像的惡意軟件檢測(cè)研究.pdf
- 基于系統(tǒng)調(diào)用的惡意軟件檢測(cè).pdf
- 基于程序切片的Android惡意軟件檢測(cè)研究.pdf
- 基于iOS平臺(tái)的惡意軟件檢測(cè)機(jī)制研究.pdf
- 數(shù)據(jù)挖掘在惡意網(wǎng)頁(yè)動(dòng)態(tài)檢測(cè)中的應(yīng)用研究.pdf
- 基于信息熵的惡意軟件檢測(cè)方法研究.pdf
- 基于權(quán)限的Android惡意軟件混合檢測(cè)方法研究.pdf
- 基于機(jī)器學(xué)習(xí)的Android惡意軟件檢測(cè)模型研究.pdf
- 基于軟件演化數(shù)據(jù)挖掘的代碼壞味道檢測(cè).pdf
- 基于Hadoop的Android軟件惡意檢測(cè)的研究與實(shí)現(xiàn).pdf
- 基于系統(tǒng)調(diào)用的智能終端惡意軟件檢測(cè).pdf
- 基于Windows API調(diào)用行為的惡意軟件檢測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論