廖国辉刘嘉勇

(四川大学电子信息学院 成都 610065)(sculiaoguohui@yeah.net)



基于数据挖掘和机器学习的恶意代码检测方法

廖国辉刘嘉勇

(四川大学电子信息学院 成都 610065)(sculiaoguohui@yeah.net)

近年来，恶意代码采用花指令以及加壳等方法来绕过杀毒软件的检测，而现有的方法对于变种恶意代码无法准确的识别.鉴于恶意代码对计算机安全性的威胁以及恶意代码传播速度快、种类繁多的特点，采用数据挖掘和机器学习的方法对恶意代码进行识别与检测.首先，提出了一种基于数据挖掘和机器学习的恶意代码检测框架，并分别从文本结构层、字节层、代码层3个角度提取了代码特征；然后采用主成分分析的方法对3种层次的组合特征进行特征降维；最后采用不同的分类方法对恶意代码进行识别与分类.分类结果表明：基于组合特征的不同分类方法对恶意代码的识别准确率都在90%以上，能够实现对变种恶意代码的有效检测，为恶意代码查杀提供了一种十分有效的方法，其中决策树分类方法的识别准确率最优.

恶意代码；多维特征；数据挖掘；机器学习；代码检测

恶意代码是一种引起计算机故障、信息外泄、破坏计算机数据、影响计算机系统正常使用的程序代码，是威胁计算机安全的重要形式之一，具有非授权性和破坏性2种特征形式[1-2].近年来，由于恶意代码在网络上的广泛传播而引起的网络安全事件数量正在逐年增加，据相关统计资料显示，从20世纪90年代至今，由恶意……