基于多特征融合的恶意代码分类算法

作者：郎大鹏; 丁巍^*; 姜昊辰; 陈志远

来源：计算机应用, 2019, 39(08): 2333-2338.

• 恶意代码
• 纹理特征
• 操作码序列
• 随机森林
• 静态分析

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。

• 单位
  中国科学院信息工程研究所; 哈尔滨工程大学