一种基于A_Kohonen算法的恶意代码自动分类机制  

Automatic Classification Mechanism of Malicious Code Based on A_Kohonen Algorithm

作　　者：徐小龙[1,2] 熊婧夷[1] 王新珩 王汝传[1] 

机构地区：[1]南京邮电大学计算机学院,南京210003 [2]南京大学计算机软件新技术国家重点实验室,南京210046 [3]西苏格兰大学计算机学院

出　　处：《计算机科学》2014年第8期178-182,共5页Computer Science

基　　金：国家自然科学基金资助项目(61202004;61100199);江苏省自然科学基金项目(BK2011754);中国博士后科学基金资助项目(2012T50514;2011M500095;2013T60553);江苏省博士后科研资助计划项目(1102103C);江苏省高校自然科学研究计划资助项目(12KJB520007;13KJB520017);江苏省科技支撑计划(BE2013666);南京大学计算机软件新技术国家重点实验室资助项目(KFKT2012B21)资助

摘　　要：目前海量的恶意代码报告已经成为基于云安全的反病毒网络系统的巨大负担。使用高效、科学的分类方法对大量涌现的已知或未知的恶意代码及其变种进行自动分类处理是快速应对恶意代码的基本前提。为了实现对恶意代码的自动分类,首先对解决聚类问题的经典无监督神经网络模型Kohonen算法进行改进,提出一种新的、引入部分监督学习过程的神经网络模型A_Kohonen算法;然后基于A_Kohonen算法实现对各种恶意代码的自动分类机制,从而为反病毒专家对恶意代码进一步细化与分析处理提供有效支持。实验分析表明,基于A_Kohonen算法的恶意代码自动分类机制能够有效、准确地初步分类恶意代码。The current mass of malicious code reports has become a huge burden of cloud-security-based anti-virus net- work systems. The utilization of efficient, scientific and automatic classification mechanism is the basic premise for re- sponding quickly to large-scale known and unknown malicious codes and their new variants. In order to achieve the au- tomatic classification of malicious codes, we improved the Kohonen algorithm, a classic neural network model with no mentors and proposed a new neural network model A_Kohonen with part supervised learning of the process. Then the A _Kohonen-based automatic classification mechanism of malicious codes was provided to support anti-virus experts to re- fine and analyze malicious codes further. Experimental analysis shows that the mechanism can initially classify malicious codes effectively and accurately.

关 键 词：恶意代码 报告分类 反病毒 神经网络 信息安全 

分 类 号：TP309.5[自动化与计算机技术—计算机系统结构]