基于代码图像增强的恶意代码检测方法

作者：孙博文; 张鹏; 成茗宇; 李新童; 李祺^*

来源：清华大学学报, 2020, 60(05): 386-392.

DOI：10.16511/j.cnki.qhdxxb.2020.25.008

• 计算机病毒与防治
• 恶意代码
• 代码图像化
• 卷积神经网络
• 空间金字塔池化

网络空间面临的恶意代码威胁日益严峻,传统恶意代码检测方法在恶意代码攻防对抗中逐渐暴露弊端。针对此现状,该文提出了基于代码灰度化图像增强的恶意代码检测方法,使用恶意代码ASCII字符信息和PE结构信息对传统恶意代码灰度化图像方法进行改进,构建RGB三维图像作为原始数据输入到检测算法,并使用一种带有空间金字塔池化结构的VGG16神经网络模型对恶意代码图像进行训练和预测。该文还提出了一种基于多标注归一化表示的方法来提高样本标签的可靠性,实验结果表明:该方案可以有效应对加壳、混淆等对抗手段,对新型恶意代码具有良好的检测效果。

• 单位
  中国信息安全测评中心; 北京邮电大学