一种基于控制流图特征的Linux平台恶意代码检测方法

• 作者: 丁祝祥 刘留 尹颜朋 王玉伟
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 恶意代码检测 机器学习 LINUX
• 年，卷（期）: 2018,（3）
• 页码范围: 114-116
• 页数: 3页
• 分类号: TP311.1

摘要

随着Linux操作系统的普及和恶意代码的增长，Linux系统的安全性也在下降。为了有效地检测Linux平台上的恶意软件，提出一种基于控制流图特征的恶意软件检测模型。以对ELF样本进行静态分析得到的汇编代码为基础构建控制流网，并提取一些属性作为特征向量，使用机器学习算法进行训练分类器。以恶意软件样本202个、良性软件305个为数据集，采用WEKA集成的4种算法J48、RandomForest、IBK和NaiveBays训练分类器，采用10折交叉验证评估分类器的性能。实验证明4个分类器能够有效地检测出恶意代码，并且准确率高，误报率低，其中RandomForest效果最好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹颜朋	四川大学计算机学院	10	5	1.0	2.0
2	王玉伟	四川大学计算机学院	5	4	1.0	2.0
3	丁祝祥	四川大学计算机学院	5	1	1.0	1.0
4	刘留	四川大学计算机学院	2	1	1.0	1.0