基于图像和机器学习的虚拟化平台异常检测

• 作者: 张健 王湘懿
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 云计算 虚拟化 卷积神经网络 图像特征 异常行为检测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 入选论文
• 页码范围: 92-96
• 页数: 5页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2020.09.019

摘要

文章提出一种基于机器学习的虚拟化平台异常行为动态检测方法,该方法依托虚拟化平台,提取正常程序和恶意软件运行过程中的系统内存并转储为文件,将其中的部分信息经SimHash提取形成灰度图像并采用局部二值模式(LBP)进行描述,得到图像的纹理特征,再利用图像的纹理特征训练构建的卷积神经网络,通过生成的模型判断虚拟化平台是否存在异常行为.实验表明,虚拟化平台异常检测率可以达到97.5％,能够有效发现云攻击事件.