基于混合特征的深度自编码器的恶意软件家族分类

摘要：

恶意代码作者通常会不断演化软件版本,形成恶意软件家族,现有的恶意软件家族分类方法,在特征选择的鲁棒性和分类算法的有效性、准确性方面还有待改进.为此,文章提出一种基于混合特征的深度自动编码的恶意软件分类方法.首先,通过提取恶意样本的动态API序列特征和静态字节熵特征作为混合特征,可以获取恶意样本的全局结构;然后,利用深度自编码器对高维特征进行降维处理;最后,将获得的低维特征输入到极端梯度提升(eXtreme Gradient Boosting,XGBoost)算法分类器中,获得恶意软件的家族分类.实验结果表明,该方法可以正确、有效地区分不同恶意软件家族,分类的微平均AUC(Micro-average Area Under Curve)达到98.3％,宏平均AUC(Macro-average Area Under Curve)达到97.9％.

关键词：深度自编码器、恶意代码、XGBoost、API序列、字节熵

所属期刊栏目：20

分类号：TP309(计算技术、计算机技术)

资助基金：四川省科技计划[2020YFG0076

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：72-82