基于行为路径树的恶意软件分类方法

• 作者: 张智渊 文辉 石志强 金炳初 陈俊杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 行为路径树 恶意软件分类 动态特征 自适应随机森林
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 98-104
• 页数: 7页
• 分类号: TP309.5
• 字数: 6528字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1902-0102

摘要

针对恶意软件家族分类问题,提出一种基于行为路径树的恶意软件分类方法,该方法使用恶意样本细粒度行为路径作为动态特征,通过将路径转化为树型结构的方式生成依赖关系,与传统基于系统调用的恶意软件分类相比,具有较低的复杂度.此外,针对传统分类模型无法解决行为路径树深度寻优问题,设计了基于自适应随机森林的分类模型,该模型采用随机逼近的方式完成行为路径树深度寻优.实验部分使用2588个样本(包含8个恶意家族,1个良性集合)对行为路径树的有效性进行验证,分类精度达到91.11％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊杰	太原理工大学信息与计算机学院	220	1728	20.0	30.0
2	石志强	中国科学院信息工程研究所物联网信息安全技术北京市重点实验室	24	202	6.0	14.0
6	文辉	中国科学院信息工程研究所物联网信息安全技术北京市重点实验室	8	107	5.0	8.0
10	金炳初	太原理工大学信息与计算机学院	1	0	0.0	0.0
11	张智渊	太原理工大学信息与计算机学院	2	10	1.0	2.0