動態(tài)污點分析與神經網絡相結合的惡意代碼識別方法.pdf

1、隨著互聯(lián)網技術的高速發(fā)展，計算機網絡給人們工作和生活帶來了前所未有的便利。同時網絡安全事件發(fā)生頻率越來越高，其中惡意代碼攻擊事件日益突出，給人們的數據安全帶來極大威脅。為保證主機正常安全運行，人們迫切需求一種合理高效的惡意代碼識別方法。傳統(tǒng)的惡意代碼識別方法主要僅單獨采用動態(tài)分析或靜態(tài)分析其中之一的分析技術，導致提取的惡意代碼特征維度相對較少，不能在保證高準確率的同時具有較低的漏報率。而在動態(tài)分析技術中，動態(tài)污點分析技術能獲得代碼真實行

2、為特征得到廣泛研究，在靜態(tài)分析技術中，BP神經網絡具有強大的分類能力也常用于惡意代碼識別中。因此，論文提出了動態(tài)污點分析與神經網絡相結合的惡意代碼識別方法。
　　首先，針對傳統(tǒng)基于動態(tài)污點分析技術的惡意代碼識別方法存在惡意代碼行為依賴圖數量巨大、匹配過程耗時長等問題，論文提出了一種基于最大頻繁子圖的惡意代碼行為依賴圖挖掘方法。該方法從惡意代碼家族行為依賴圖挖掘出代表家族顯著共性特征的最大頻繁子圖，在不丟失惡意代碼行為特征的情況下，

3、減少行為依賴圖數量，提升識別效率。
　　其次，針對傳統(tǒng)的惡意代碼識別方法僅單獨采用靜態(tài)分析或動態(tài)分析技術來提取特征而導致特征維度相對較少、且動態(tài)污點分析技術一次僅能分析代碼執(zhí)行時的一條路徑等問題，論文提出了一種動態(tài)污點分析與神經網絡相結合的惡意代碼識別模型。該模型在動態(tài)污點分析技術的基礎上，結合了靜態(tài)分析技術來提取靜態(tài)特征并使用神經網絡分類，不僅可提取動態(tài)語義層特征，還可從惡意代碼文件中提取包括文件結構層、指令層、靜態(tài)語義層等更全