基于语义分析的恶意JavaScript代码检测方法

• 作者: 刘亮 张星 方勇 邱瑶瑶 黄诚
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 恶意JavaScript代码检测 抽象语法树 长短时记忆网络 深度学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电子信息科学
• 页码范围: 273-278
• 页数: 6页
• 分类号: TP391.1
• 字数: 3044字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2019.02.015

摘要

JavaScript是一种动态脚本语言,被用于提高网页的交互能力.然而攻击者利用它的动态性在网页中执行恶意代码,构成了巨大威胁.传统的基于静态特征的检测方式难以检测经过混淆后的恶意代码,而基于动态分析检测的方式存在效率低等问题.本文提出了一种基于语义分析的静态检测模型,通过提取抽象语法树的词法单元序列特征,使用word2vec训练词向量模型,将生成的序列向量特征输入到LSTM网络中检测恶意JavaScript脚本.实验结果表明,该模型能够高效检测混淆的恶意JavaScript代码,模型的精确率达99.94％,召回率为98.33％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方勇	四川大学网络空间安全学院	173	1188	18.0	25.0
2	黄诚	四川大学网络空间安全学院	21	76	5.0	7.0
3	刘亮	四川大学网络空间安全学院	70	239	9.0	11.0
4	张星		2	6	2.0	2.0
5	邱瑶瑶	四川大学电子信息学院	1	3	1.0	1.0