姜倩玉，王凤英，贾立鹏

（山东理工大学计算机科学与技术学院，山东淄博 255022）

0 引言

互联网的高速发展促进了社会的发展与进步，但开放式的互联网也具有较大的安全隐患。互联网中存在的恶意代码对国家安全、社会稳定以及经济都有严重的危害，因此研究出高效快捷的恶意代码检测方法刻不容缓。

检测恶意代码的技术在不断进步，恶意代码对抗技术也处于发展的过程中。为了应对各类恶意代码检测工具，恶意代码开发者开始通过对抗学习［1］等方法对恶意代码进行混淆，恶意代码分析的难度逐渐变大。因此基于特征码［2］、改进主动学习［3］、深度学习［4-5］以及恶意代码可视化［6-9］等恶意代码检测方法被不断提出，其中，恶意代码可视化方法逐渐被广大研究学者所采用。但是以往提取的恶意代码灰度图特征较片面，无法全面描述恶意代码，且现存的方法在处理海量恶意代码时往往需要花费较多时间。为解决单一特征和方法存在的准确率和效率低的问题，本文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。将感知哈希算法用于恶意代码分类检测的优势是速度快，且恶意代码家族间相似性越高判断越精确，而家族间差异性较大时则分类精度不明显，因此将感知哈希与机器学习算法结合起来，能够快速且准确地完成对恶意代码的分类检测。

本文的主要工作如下：

1）将感知哈希算法用于恶意代码分类检测，对各类恶意代码家族进行感知哈希相似度对比，并根据结果设置阈值进行家族快速分类检测，大约有67%的恶意代码样本能够通过感知哈希算法检测出来。……