基于动态分析与深度学习的恶意程序检测方法  

作　　者：刘金鑫 黄玮[1] 范文庆[1] 巩微[1] 董航[2] 

机构地区：[1]中国传媒大学计算机与网络空间安全学院,北京市100024 [2]中国移动通信集团公司信息安全管理与运行中心,北京市100053

出　　处：《电子技术与软件工程》2021年第4期258-260,共3页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

基　　金：教育部-中国移动科研基金项目MCM20180504;计算机体系结构国家重点实验室开放课题CARCH201910。

摘　　要：本文提出了一种将动态分析与深度学习相结合的恶意程序检测方法。本文使用Cuckoo沙箱提取应用程序运行时的API序列信息,具体包括API类型、API函数名以及参数。对API序列信息进行预处理后结合Word2vec模型将API序列信息转换成词向量,在此基础上,基于卷积神经网络构建恶意程序检测模型。为了验证检测模型的有效性,本文选择VirusShare数据集进行实验评估和对比,实验结果显示,结合API函数参数信息的检测结果在测试集上的平均准确率达到了94.19%,证明了检测模型的有效性,同时该结果高于未增加参数特征的准确率,说明引入API参数特征能提高对恶意程序的检测准确率。

关 键 词：恶意程序检测 动态分析 卷积神经网络 

分 类 号：TP309[自动化与计算机技术—计算机系统结构] TP311.5[自动化与计算机技术—计算机科学与技术] TP18