基于行為與貝葉斯分類的木馬檢測技術(shù)研究.pdf

1、計算機網(wǎng)絡中存儲的巨量有價值的資源信息讓來自世界各地的不法分子虎視眈眈，他們一直致力于開發(fā)各種黑客技術(shù)或獲取或破壞這些寶貴的資源信息，其中常用的就是木馬技術(shù)，信息竊密網(wǎng)絡入侵無時無刻不在發(fā)生著。而當前的木馬查殺技術(shù)一直處于被動防御階段，高漏報誤報率、低查殺率，面對層出不窮的安全事件往往有些力不從心。行為分析技術(shù)通過分析總結(jié)木馬行為特征，利用數(shù)據(jù)挖掘人工智能等方面的最新成果來檢測木馬特別是未知木馬而成為木馬檢測技術(shù)的新星。但是當前對行為分

2、析技術(shù)的研究還是比較初級的，基于此技術(shù)的檢測系統(tǒng)存在著較高的漏報誤報現(xiàn)象。因此，進一步研究木馬行為，總結(jié)其行為特征，應用合適的智能分類算法以提高木馬檢測率，降低誤報漏報率是十分有必要的。
　　本文通過總結(jié)木馬常見的行為建立行為特征庫，圍繞著對樸素貝葉斯分類器的改進和基于行為分析的木馬檢測技術(shù)進行研究，主要的研究內(nèi)容如下三個方面:
　　(1)總結(jié)木馬常見的行為特征，建立木馬行為特征庫，利用內(nèi)核掛鉤技術(shù)提取程序的行為，形成程序的

3、行為特征向量。
　　(2)改進樸素貝葉斯分類器，對特征向量進行冗余、關聯(lián)以及權(quán)重等方面的預處理，將與類別概率息息相關的系統(tǒng)風險等級VL與類別區(qū)分度息息相關的概念分類寬度δ引入分類器，并根據(jù)分類評估結(jié)果決定是否利用分類器的反饋自適應學習以適應行為特征的進化。
　　(3)提出一種基于行為分析的木馬檢測模型，收集了較多的木馬程序集，通過一系列的實驗證明了本模型的可行性與有效性，并設計了與其它檢測技術(shù)的對比實驗，為基于行為分析的木馬