基于属性相似度的恶意代码检测方法

• 作者: 张福勇 秦勇
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 恶意代码检测 属性相似度 网络与信息安全 入侵检测 数据挖掘 机器学习 未知恶意代码 静态分析
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 659-663
• 页数: 5页
• 分类号: TP309
• 字数: 4104字
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2017.06.11

摘要

针对未知恶意代码数量急剧增长,现有的检测方法不能有效检测的问题,提出一种基于属性相似度的恶意代码检测方法.该方法将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算每个n-gram的信息增益,并选择具有最大信息增益的N个n-gram作为特征属性,分别计算恶意代码和正常文件每一维属性的平均值,通过比较待测样本属性与恶意代码和正常文件两类别属性均值的相似度来判断待测样本类别.结果表明,该方法对未知恶意代码的检测性能优于基于n-gram的恶意代码检测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦勇	东莞理工学院计算机与网络安全学院	25	98	6.0	8.0
2	张福勇	东莞理工学院计算机与网络安全学院	6	15	3.0	3.0