基于行为路径树的恶意软件分类方法

摘要：

针对恶意软件家族分类问题,提出一种基于行为路径树的恶意软件分类方法,该方法使用恶意样本细粒度行为路径作为动态特征,通过将路径转化为树型结构的方式生成依赖关系,与传统基于系统调用的恶意软件分类相比,具有较低的复杂度.此外,针对传统分类模型无法解决行为路径树深度寻优问题,设计了基于自适应随机森林的分类模型,该模型采用随机逼近的方式完成行为路径树深度寻优.实验部分使用2588个样本(包含8个恶意家族,1个良性集合)对行为路径树的有效性进行验证,分类精度达到91.11％.

关键词：行为路径树、恶意软件分类、动态特征、自适应随机森林

所属期刊栏目：56

分类号：TP309.5(计算技术、计算机技术)

资助基金：国家重点研发计划项目;国家自然科学基金通用研究联合基金课题;山西省自然科学基金重点基金项目

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-104