版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近些年來,隨著惡意軟件數(shù)量的急劇增加,給信息的安全性帶來了巨大的威脅。這其中有很大一部分原因是由于惡意軟件的保護(hù)機(jī)制逐漸增強(qiáng),加殼等混淆技術(shù)的使用使得傳統(tǒng)的依靠特征碼掃描方式的查毒機(jī)制逐漸失效,因此亟需尋找新的方法來對惡意軟件進(jìn)行識別。而其中對惡意軟件加殼的自動(dòng)化識別是一個(gè)必要步驟,因?yàn)閷蓤?zhí)行文件進(jìn)行加殼是目前惡意軟件的作者最常用的用來防止殺毒軟件檢測的混淆技術(shù)。在已知?dú)しN類的前提下,許多通用的脫殼工具都能夠有效的從加殼的可執(zhí)行文件中
2、檢測和提取被混淆的原始代碼,然后就可以應(yīng)用傳統(tǒng)的基于特征碼掃描的反病毒檢測軟件找出隱藏的病毒。然而,這些通用的脫殼工具通常都在存在一個(gè)共通的缺點(diǎn):計(jì)算時(shí)間過長,在處理掃描大量的可執(zhí)行文件的時(shí)候有時(shí)甚至需要花費(fèi)數(shù)個(gè)小時(shí)甚至幾天,這樣在處理數(shù)量巨大的混雜惡意程序和正常程序的樣本時(shí)就會耗費(fèi)大量的不必要的時(shí)間,這就不符合惡意代碼識別時(shí)效性的需求,因此亟需找到一種更加高效的方法來識別惡意代碼是否加殼以及加殼的種類。
近些年以來,機(jī)器
3、學(xué)習(xí)的方法被大量的應(yīng)用于惡意軟件的檢測當(dāng)中,之所以成為研究的熱點(diǎn),是因?yàn)樗梢岳脵C(jī)器學(xué)習(xí)從已知類型的大量樣本軟件中總結(jié)歸納出有關(guān)的惡意軟件的識別經(jīng)驗(yàn),并且生成相關(guān)的具有識別功能的模型,并以此來對未知的軟件進(jìn)行判定,進(jìn)而幫助發(fā)現(xiàn)未知的惡意軟件。本文將應(yīng)用機(jī)器學(xué)習(xí)中的SVM方法來研究惡意軟件的加殼。
在論文中,首先介紹了PE文件結(jié)構(gòu)和加載過程,以及加殼技術(shù)的基本理論,還介紹了殼的分類識別方面的相關(guān)工作。然后,我們提出了一個(gè)方
4、法,應(yīng)用機(jī)器學(xué)習(xí)的方法來對惡意軟件的加殼情況進(jìn)行分類與識別。接下來,我們分析了實(shí)現(xiàn)這一個(gè)方法所涉及的關(guān)鍵性的技術(shù)環(huán)節(jié),特征的提取技術(shù)和基于SVM方法的分類技術(shù)。我們從分析具體的PE文件加殼的過程出發(fā),得到特定加殼種類與程序入口點(diǎn)解殼代碼一一對應(yīng)的規(guī)律,在此基礎(chǔ)上,我們提出了特征提取的方法,主要是從目標(biāo)文件的特定位置,提取出一段代碼段然后轉(zhuǎn)化為特定形式的字符串作為下一步SVM分類器的輸出。然后我們介紹了SVM方法的相關(guān)原理,以及基于SVM
5、方法的分類技術(shù)即采用基于字符串核心的向量支持機(jī)分類器對加殼的惡意軟件進(jìn)行快速檢測和分類。我們針對提出的方法進(jìn)行了大量的實(shí)驗(yàn),實(shí)驗(yàn)的結(jié)果表明,我們的方法在PE文件的加殼分類和識別上保持了較高的準(zhǔn)確率,從而只有被檢測出為加殼的軟件才會被發(fā)送到通用的加殼工具中,因此節(jié)省了大量的處理時(shí)間和計(jì)算成本。
在論文中,在論證完利用SVM方法對惡意文件加殼分類方法可行性之后,我們介紹了利用動(dòng)態(tài)網(wǎng)頁技術(shù)實(shí)現(xiàn)的基于這一方法進(jìn)行PE文件在線分類與
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的車輛自動(dòng)分類方法研究與實(shí)現(xiàn).pdf
- 基于行為的惡意軟件自動(dòng)分類方法的研究.pdf
- 基于SVM模型的惡意JavaScript檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于SVM模型的新聞分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于SVM算法的web分類研究與實(shí)現(xiàn).pdf
- 基于Android惡意軟件檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于SVM的高分圖像自動(dòng)分類算法研究與系統(tǒng)實(shí)現(xiàn).pdf
- 基于SVM圖像分類方法的研究.pdf
- 基于用戶診斷方式的反惡意軟件系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于SVM的中文文本自動(dòng)分類系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于橢圓曲線數(shù)字簽名的軟件加殼技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于機(jī)器學(xué)習(xí)分類算法的Android惡意軟件檢測系統(tǒng).pdf
- 基于Hadoop的Android軟件惡意檢測的研究與實(shí)現(xiàn).pdf
- 基于軟件殼的研究與實(shí)現(xiàn).pdf
- 基于SVM的圖像分類與標(biāo)注方法的研究.pdf
- 手機(jī)惡意軟件監(jiān)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于SVM方法的醫(yī)學(xué)圖像分類研究.pdf
- 基于SVM的郵件內(nèi)容分類方法研究.pdf
- 基于SVM的中文文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于SVM的車型自動(dòng)分類方法的研究.pdf
評論
0/150
提交評論