基于随机森林的恶意代码检测

• 作者: 戴逸辉 殷旭东
• 来源期刊: 网络空间安全
• 学科: 工学
• 关键词: 随机森林 恶意代码检测 多种特征 机器学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 防御技术
• 页码范围: 70-75
• 页数: 6页
• 分类号: TP391
• 字数: 3415字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9456.2018.02.016

摘要

面对恶意代码高速增长、变种繁多的现状,使用了基于随机森林的恶意代码分类方法.通过将IDA反汇编工具生成的ASM文件,利用灰度共生矩阵提取ASM恶意代码灰度图的纹理特征,通过ASM文件OpCode序列的3-gram特征,再结合随机森林算法对特征进行分类.对9种恶意代码家族的样本进行实验认证,获得混淆矩阵,分析随机森林的分类效果,并与朴素贝叶斯算法和K近邻分类算法进行比较.实验结果表明:随机森林算法是一个优秀的用于恶意代码分类检测的算法,上述两类特征抽取的方法均能有效地进行恶意代码的检测工作,且将两种特征的随机森林结合时,其分类效果更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷旭东	常熟理工学院计算机科学与工程学院	33	105	5.0	9.0
2	戴逸辉	常熟理工学院计算机科学与工程学院	1	2	1.0	1.0