基于恶意代码的网络行为分析与识别研究

• 作者: 彭子俊
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 恶意代码 tor网络 流量分类
• 年，卷（期）: 2019,（8）
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP393

摘要

为了在恶意代码行为中对各种变异的病毒、恶意插件、僵尸网络、攻击性代码进行识别和分析,提出了基于恶意代码的网络行为分析与识别方法。根据恶意代码凭借自身的攻击性强的优势严重地制约着网络的良性发展,直接威胁着互联网用户的信息安全的特点,设计恶意代码流量采集实验部署,给出了如何将Tor流量与正常加密数据流量区分开来,从而达到可疑数据的准确筛选。最后通过实例对这些恶意代码和网络攻击行为分析透彻,讨论了利用无监督机器学习算法对Tor流量进行分类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭子俊		2	0	0.0	0.0