基于特征聚类的海量恶意代码在线自动分析模型

摘要：

针对传统海量恶意代码分析方法中自动特征提取能力不足以及家族判定时效性差等问题，通过动静态方法对大量样本行为构成和代码片段分布规律的研究，提出了基于特征聚类的海量恶意代码在线自动分析模型，包括基于API行为和代码片段的特征空间构建方法、自动特征提取算法和基于LSH的近邻聚类算法。实验结果表明该模型具有大规模样本自动特征提取、支持在线数据聚类、家族判定准确率高等优势，依据该模型设计的原型系统实用性较强。

关键词：恶意代码、在线自动分析、快速聚类、特征提取

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家高技术研究发展计划“863”计划基金资助项目2013AA014700；国家科技支撑计划基金资助项目2012BAH46B02；中国科学院战略性科技先导专项基金资助项目XDA06030200 Foundation ItemsThe National High Technology Research and Development Program of China863 Program2013AA014700；The National Science and2012BAH46B02;Strategic Priority Research Program of the Chinese Academy of SciencesXDA06030200

在线出版日期：2013-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：146-153