一种基于最大频繁子图基因的恶意软件系统化命名方法  

作　　者：周显春[1] 肖衡[1] 焦萍萍 王欣宇 

机构地区：[1]三亚学院信息与智能工程学院,海南572022

出　　处：《网络安全技术与应用》2024年第1期34-36,共3页Network Security Technology & Application

基　　金：海南省自然科学基金项目资助(620MS064);三亚市院地科技合作项目资助(2019YD26);三亚学院优势专业建设项目(SYJZUS202203);三亚学院一流本科专业特色建设资助项目(SYJZZZ202212)。

摘　　要：为了更好地理解恶意软件的行为和特征,并加强公众对计算机安全的认识,本文提出了一种基于最大频繁子图基因的恶意软件系统化命名方法。该方法动态提取恶意软件的动态特征,使用SFFSM-SPIN-MGM算法和遗传签名来实现最大频繁子图的提取和编码,并建立Trie基因库。然后,利用随机森林算法对恶意软件进行检测。实验结果表明,该模型具有较强的泛化能力,能够有效地识别实验室现有恶意软件的变种测试集。

关 键 词：恶意软件 最大频繁子图基因 SFFSM-SPIN-MGM算法 命名方法 

分 类 号：TP311.5[自动化与计算机技术—计算机软件与理论] TP309[自动化与计算机技术—计算机科学与技术]