基于特征聚类的海量恶意代码在线自动分析模型

• 作者: 云晓春 周勇林 康学斌 徐小琳
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 恶意代码 在线自动分析 快速聚类 特征提取
• 年，卷（期）: 2013,（8）
• 页码范围: 146-153
• 页数: 8页
• 分类号: TP393.08
• 字数: 6947字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-436x.2013.08.019

摘要

针对传统海量恶意代码分析方法中自动特征提取能力不足以及家族判定时效性差等问题，通过动静态方法对大量样本行为构成和代码片段分布规律的研究，提出了基于特征聚类的海量恶意代码在线自动分析模型，包括基于API行为和代码片段的特征空间构建方法、自动特征提取算法和基于LSH的近邻聚类算法。实验结果表明该模型具有大规模样本自动特征提取、支持在线数据聚类、家族判定准确率高等优势，依据该模型设计的原型系统实用性较强。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周勇林		16	737	7.0	16.0
2	云晓春	中国科学院计算技术研究所	46	890	15.0	29.0
18	徐小琳	中国科学院计算技术研究所	5	52	3.0	5.0