基于属性相似度的恶意代码检测方法
张福勇
秦勇
1.东莞理工学院 计算机与网络安全学院,广东 东莞,5238082.东莞理工学院 计算机与网络安全学院,广东 东莞,523808
摘要：针对未知恶意代码数量急剧增长,现有的检测方法不能有效检测的问题,提出一种基于属性相似度的恶意代码检测方法.该方法将样本文件转换成十六进制格式,提取样本文件的所有n-gram,计算每个n-gram的信息增益,并选择具有最大信息增益的N个n-gram作为特征属性,分别计算恶意代码和正常文件每一维属性的平均值,通过比较待测样本属性与恶意代码和正常文件两类别属性均值的相似度来判断待测样本类别.结果表明,该方法对未知恶意代码的检测性能优于基于n-gram的恶意代码检测方法.
关键词：恶意代码检测属性相似度网络与信息安全入侵检测数据挖掘机器学习未知恶意代码静态分析
分类号：TP309(计算技术、计算机技术)
资助基金：国家自然科学基金(61402106)国际合作重大项目(2015KGJHZ027)广东省教育科学规划课题(14JXN029)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 659-663 )
英文信息