恶意代码聚类中的特征选取研究

• 作者: 俞昕 卢泽新 唐勇 王毅
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 特征选取 恶意代码 聚类分析
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 入选论文
• 页码范围: 64-68
• 页数: 5页
• 分类号: TP309
• 字数: 4930字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2016.09.013

摘要

近几年，随着恶意代码数量的飞速增长，将聚类算法用于恶意代码新家族检测受到越来越多安全厂商的青睐。恶意代码聚类将具有相似行为或结构的样本划分到同一簇中，选取不同的特征将影响恶意代码的聚类质量。文章首先选取恶意代码聚类研究中常用的特征进行讨论比较。现有大部分研究均选取单一特征向量进行聚类，而任何单一特征向量均难以完整描述恶意代码的全部性质。针对该问题，文章接着提出利用多特征向量对的方法进行恶意代码聚类，并根据聚类结果定义特定的指标对选用的特征进行评价。最后，文章结合DBSCAN聚类算法对各种特征以及特征间的组合进行实验，结果表明，采用多特征向量对的聚类效果要优于单一特征向量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐勇	国防科学技术大学计算机学院	12	170	6.0	12.0
2	卢泽新	国防科学技术大学计算机学院	18	220	9.0	14.0
3	王毅	国防科学技术大学计算机学院	1	9	1.0	1.0
4	俞昕	国防科学技术大学计算机学院	1	9	1.0	1.0