王 慧

(中国人民公安大学信息网络安全学院， 北京 100038)

0 引言

2020年全球持续性爆发的新冠疫情，使得越来越多的社会行为依附于网络而生，离开网络，物资动态分配、热点人员筛查、居家远程办公等活动几乎无法完成，但伴随社会网络依赖性增强的同时，针对特定专用网络的恶意入侵软件层出不穷。如何快速准确地进行恶意代码的识别与检测，判断其恶意企图并揭示恶意代码间的同源关联性，完成针对性的技术防御，将对网络空间安全具有重大意义。

随着数据分析处理技术的飞速发展，新技术新思想也逐步融入恶意代码的检测过程，国内外专家研究结果表明：虽然恶意代码的变种样本层出不穷，但多数变种是由编写者采取混淆技术逃避了检测分析，由于编写习惯等因素，同一团队编写的恶意代码往往具有较高的行为相似性。为揭示恶意代码的同源家族特征，诸多技术理论已成功应用于恶意代码的特征提取，数据挖掘及神经网络思想与传统恶意代码检测技术相结合，可有效降低检测结果的误报率[1-3]；基于概率模型及机器学习的方法在恶意代码分类问题中已取得良好效果[4]；改进的序列挖掘算法结合卷积神经网络可提取一定层面的特定恶意序列模式[5-6]；基于语义的恶意代码特征检测方法借助于自然语言文本处理技术揭示出反汇编文件中潜藏的非良性代码语义[7]；从汇编指令操作码所对应灰度图像角度进行特征提取可实现恶意样本的分类问题[8]。……