基于特征组合的Powershell恶意代码检测方法

• 作者: 刘岳 刘宝旭 赵子豪 刘潮歌 王晓茜 吴贤达
• 来源期刊: 信息安全学报
• 学科: 工学
• 关键词: Powershell 恶意代码 APT 深度学习 随机森林
• 年，卷（期）: 2021,（1）
• 页码范围: 40-53
• 页数: 14页
• 分类号: TP393.08
• 语种: 中文
• DOI: 10.19363/J.cnki.cn10-1380/tn.2021.01.04

摘要

近年来,Powershell由于其易用性强、隐蔽性高的特点被广泛应用于APT攻击中,传统的基于人工特征提取和机器学习方法的恶意代码检测技术在Powershell恶意代码检测中越来越难以有效.本文提出了一种基于随机森林特征组合和深度学习的Powershell恶意代码检测方法.该方法使用随机森林生成更好表征原始数据的新特征组合,随后使用深度学习神经网络训练并进行分类识别.该方法可以弥补人工特征工程经验不足的问题,更好表征原始数据从而提高检测效果.本文实验结果显示,利用本文提出方法构建的Powershell恶意代码检测系统性能良好,在真实数据集中的召回率、准确率均在99％以上,可以对Powershell恶意代码进行有效的检测识别.