计算机应用

作者：姜倩玉, 王凤英, 贾立鹏

单位：山东理工大学 计算机科学与技术学院, 山东 淄博 255022

关键词：恶意代码家族检测,感知哈希,图像特征,特征融合,机器学习

基金：淄博市校城融合发展计划项目（2018ZBXC295）。

在当前的恶意代码家族检测中，通过恶意代码灰度图像提取的局部特征或全局特征无法全面描述恶意代码，针对这个问题并为提高检测效率，提出了一种基于感知哈希算法和特征融合的恶意代码检测方法。首先，通过感知哈希算法对恶意代码灰度图样本进行检测，快速划分出具体恶意代码家族和不确定恶意代码家族的样本，实验测试表明约有67%的恶意代码能够通过感知哈希算法检测出来。然后，对于不确定恶意代码家族样本再进一步提取局部特征局部二值模式（LBP）与全局特征Gist，并利用二者融合后的特征通过机器学习算法对恶意代码样本进行分类检测。最后，对于25类恶意代码家族检测的实验结果表明，相较于仅用单一特征，使用LBP与Gist的融合特征时的检测准确率更高，并且所提方法与仅采用机器学习的检测算法相比分类检测效率更高，检测速度提高了93.5%。

来源：2021年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第3期