基于深度学习的Linux远控木马检测

• 作者: 李峰 李明轩 杨慧婷 王斌 舒斐
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 远控木马 静态分析 行为分析 循环神经网络 超参数
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 网络空间安全
• 页码范围: 159-164
• 页数: 6页
• 分类号: TP391
• 字数: 4083字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054943

摘要

远控木马作为一种高级形态的恶意代码,不仅能收集用户敏感信息,而且可以通过命令控制引发大规模的攻击.为高效准确地识别远控木马,通过结合静态分析和动态行为分析方法提取文件特征,利用深度学习对样本特征逐层抽取的能力,构建基于循环神经网络(RNN)的样本分类模型,以对Linux远控木马进行检测.为避免陷入局部最优,采用随机搜索参数的方法进行模型超参数选择.对基于RNN的分类模型及其他基于传统机器学习算法的模型分别进行实验,结果表明,在选取性能最佳的超参数配置下,基于RNN的样本分类模型具有更高的准确率与F1值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李峰	国网新疆电力有限公司电力科学研究院	18	21	3.0	4.0
2	李明轩	国网新疆电力有限公司电力科学研究院	6	3	1.0	1.0
3	王斌	国网新疆电力有限公司电力科学研究院	9	5	1.0	2.0
4	舒斐	国网新疆电力有限公司电力科学研究院	2	0	0.0	0.0
5	杨慧婷	国网新疆电力有限公司电力科学研究院	1	0	0.0	0.0