计算机应用

作者：郎大鹏, 丁巍, 姜昊辰, 陈志远

单位：1. 哈尔滨工程大学 计算机科学与技术学院, 哈尔滨 150001;2. 中国科学院信息工程研究所 中国科学院网络测评技术重点实验室, 北京 100093

关键词：恶意代码,纹理特征,操作码序列,随机森林,静态分析

基金：中国科学院信息工程研究所中国科学院网络测评技术重点实验室开放课题资助项目（10201050201）。

针对多数恶意代码分类研究都基于家族分类和恶意、良性代码分类，而种类分类比较少的问题，提出了多特征融合的恶意代码分类算法。采用纹理图和反汇编文件提取3组特征进行融合分类研究，首先使用源文件和反汇编文件提取灰度共生矩阵特征，由n-gram算法提取操作码序列；然后采用改进型信息增益（IG）算法提取操作码特征，其次将多组特征进行标准化处理后以随机森林（RF）为分类器进行学习；最后实现了基于多特征融合的随机森林分类器。通过对九类恶意代码进行学习和测试，所提算法取得了85%的准确度，相比单一特征下的随机森林、多特征下的多层感知器和Logistic回归算法分类器，准确率更高。

来源：2019年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第8期