混淆恶意JavaScript代码的多特征检测识别与分析

• 作者: 曲文鹏 赵连军 邓旭
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 机器学习 恶意代码 异常检测 混淆 JavaScript
• 年，卷（期）: 2018,（4）
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP393
• 字数: 4726字
• 语种: 中文

摘要

JavaScript目前已经成为交互式网页和动态网页中一项广泛采用的技术,恶意的JavaScript代码也变得活跃起来,已经被当作基于网页的一种攻击手段.通过对大量JavaScript恶意代码的研究,对混淆恶意JavaScript代码进行特征提取与归类,从基于属性特征、基于重定向特征、基于可疑关键词特征、基于混淆特征四大类中总共提取了82个特征,其中47个是四大类中的新特征.从真实环境中收集了总数为5525份JavaScript正常与混淆的恶意代码用于训练与测试,利用多种有监督的机器学习算法通过异常检测模式来评估数据集.实验结果表明,通过引入新的特征,所有分类器的检测率较未引入新特征相比有所提升,并且误检率(False Negative Rate)有所下降.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓旭	山东理工大学计算机科学与技术学院	2	3	1.0	1.0
2	赵连军	山东理工大学计算机科学与技术学院	15	50	4.0	6.0
3	曲文鹏	山东理工大学计算机科学与技术学院	1	3	1.0	1.0