×

结合动态行为和机器学习的恶意代码检测方法

消耗积分:0 | 格式:rar | 大小:1.67 MB | 2021-03-23

分享资料个

　　目前恶意代码出现频繁且抗识别性加强，现有基于签名的恶意代码检测方法无法识别未知与隐藏的恶意代码。提出一种结合动态行为和机器学习的恶意代码检测方法。搭建自动化分析 Cuckoo沙箱记录恶意代码的行为信息和网络流量，结合 Cuckoo沙箱与改进 Dynamorio系统作为虚拟环境，提取并融合恶意代码样本API调用序列及网络行为特征。在此基础上，基于双向门循环单元（BGRU）建立恶意代码检测模型，并在含有12170个恶意代码样本和5983个良性应用程序样本的数据集上对模型效果进行验证。实验结果表明，该方法能全面获得恶意代码的行为信息，其所用BGRU模型的检测效果较LSTM、 BLSTM等模型更好，精确率和F1值分别达到97.84%和98.07%，训练速度为 BLSTM模型的1.26倍。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(1)
发评论
jf_13021965 2021-10-06
0 回复 举报
怎么关注 收起回复

下载排行榜

全部1条评论

快来发表一下你的评论吧 !