Необходимо зарегистрироваться, чтобы получить доступ к полным текстам статей и выпусков журналов!
- Название статьи
- АВТОМАТИЗАЦИЯ АНАЛИЗА СХОЖЕСТИ ВРЕДОНОСНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
- Авторы
- Лебедь Роман Сергеевич rioslebed@gmail.com, студент, Московский государственный университет имени М. В. Ломоносова, Москва, Россия
- В разделе
- ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
- Ключевые слова
- вредоносное программное обеспечение / автоматизация / машинное обучение / анализ сходства / извлечение признаков
- Год
- 2019 номер журнала 3 Страницы 26 - 33
- Индекс УДК
- 004
- Код EDN
- Код DOI
- Тип статьи
- Научная статья
- Аннотация
- Предлагается подход к решению задачи автоматизированного анализа схожести вредоносного программного обеспечения на основе алгоритмов машинного обучения. Предлагаемый подход позволяет оценивать расстояние для двух и более образцов вредоносных программ в построенном метрическом пространстве признаковых описаний исполняемых файлов в целях определения степени сходства. Описывается алгоритм, позволяющий определить наличие одного из видов сходств для группы файлов. Применение глубокого обучения позволяет повысить точность работы системы, снизить необходимость экспертной работы вирусных аналитиков, а также практически полностью исключить ручной отбор признаков.
- Полный текст статьи
- Для прочтения полного текста необходимо купить статью
- Список цитируемой литературы
-
Eli D., Netanyahu N. S. DeepSign: Deep Learning for Automatic Malware Signature Generation and Classification // CoRR. 2017. V. abs/1711.08336.
Fujino A. Discovering Similar Malware Samples Using API Call Topics, 2015.
Saxe J., Berlin K. Deep Neural Network Based Malware Detection Using Two Dimensional Binary Program Features // CoRR. 2015. V. abs/1508.03096.
Berlin K. Black Hat USA 2016: An AI Approach to Malware Similarity Analysis: Mapping the Malware Genome With a Deep Neural Network, 2016.
Hiruta S., Yamaguchi Y., Shimada H., Takakura H. Evaluation on Malware Classification by Combining Traffic Analysis and Fuzzy Hashing of Malware Binary, 2015.
Deshpande P. Metamorphic Detection Using Function Call Graph Analysis, 2013.
Chumachenko K. Machine learning methods for malware detection and classification, 2017.
Gibert D. Convolutional Neural Networks for Malware Classification, 2016.
Kolosnjaji B., Zarras A., Webster G., Eckert C. Deep Learning for Classification of Malware System Call Sequences // AI 2016: Advances in Artificial Intelligence / Ed. by Byeong Ho Kang, Quan Bai. - Cham: Springer International Publishing, 2016. P. 137-149.
Kim Ch. W. NtMalDetect: A Machine Learning Approach to Malware Detection Using Native API System Calls // CoRR. 2018. V. abs/1802.05412.
Islam A. C., Yamaguchi F., Dauber E. et al. When Coding Style Survives Compilation: De-anonymizing Programmers from Executable Binaries // CoRR. 2015. V. abs/1512.08546.
Ucci D., Aniello L., Baldoni R. Survey on the Usage of Machine Learning Techniques for Malware Analysis // CoRR. 2017. V. abs/1710.08189.
Rosenberg J. NotPetya Returns as Bad Rabbit [Электронный ресурс]. Код доступа: http://www.intezer.com/notpetya-returns-bad-rabbit/ (дата обращения: 17.10.2017).
- Купить
- 500.00 руб
