基于最长频繁序列挖掘的恶意代码检测

• 作者: 刘亮 张磊 赵奎 黄琨茗
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 恶意代码 最长频繁序列 序列挖掘 词袋模型 随机森林算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 681-688
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.04.010

摘要

基于动态API序列挖掘的恶意代码检测方法未考虑不同类别恶意代码之间的行为差别,导致代表恶意行为的恶意序列挖掘效果不佳,其恶意代码检测效率较低.本文引入面向目标的关联挖掘技术,提出一种最长频繁序列挖掘算法,挖掘最长频繁序列作为特征用于恶意代码检测.首先,该方法提取样本文件的动态API序列并进行预处理;然后,使用最长频繁序列挖掘算法挖掘多个类别的最长频繁序列集合;最后,使用挖掘的最长频繁序列集合构造词袋模型,根据该词袋模型将样本文件的动态API序列转化为向量,使用随机森林算法构造分类器检测恶意代码.本文采用阿里云提供的数据集进行实验,恶意代码检测的准确率和AUC(Area Under Curve)值分别达到了95.6％和0.99,结果表明,本文所提出的方法能有效地检测恶意代码.