The invention discloses a method of combining static and dynamic characteristics of Botnet detection and classification, the static characteristic based on the information of Botnet detection; feature selection in the process of detection by using TF improved IDF algorithm, TF improved IDF algorithm in TF IDF algorithm TF IDF weight added class discrimination factor GF, used to characterize features in a certain category in degree and in all other categories in proportion to the extent of operation; detection of bots, extracting API sequence and network traffic information BOT operation, processing was BOT family classification feature; BOT family classification based on feature of classification of bots. The invention can automatically classify, reduce time consuming and improve the classification efficiency.
【技术实现步骤摘要】
一种动静态特征结合的僵尸程序检测与分类方法
本专利技术涉及信息安全
,具体涉及一种动静态特征结合的僵尸程序检测与分类方法。
技术介绍
僵尸程序是攻击者完成入侵某台计算机之后,在被感染的计算机上部署的用于完成攻击目的的恶意程序。在被感染的计算机上部署僵尸程序组成僵尸网络,攻击者就能够实施各种攻击手段。近年来,物联网技术得以迅速发展,这使得网络攻击者将目标瞄准到了物联网设备上,寄生于物联网设备的僵尸程序开始大批量出现。云计算技术的进步使僵尸程序的发展得以增速,攻击者只需要在云端花费很低的成本申请虚机资源,就可以利用这些资源快速构建僵尸网络,发起僵尸网络攻击变得更加低廉迅速,一些攻击者采用非法盗取的信用卡进行支付,这就隐藏了攻击者的身份,无法做到实名制的管理。并且在云环境中,用户数目很大,良莠不齐,用户并不能都具有很好的安全观念,虚机操作系统和应用的可利用漏洞或弱口令数目很多,这就导致很多虚拟机被入侵,成为了僵尸网络的“肉鸡”。目前针对僵尸程序的研究主要针对的是僵尸程序的入侵检测上,对僵尸程序根据家族进行分类的研究较少。主要是对恶意代码的源码以及反汇编生成的asm格式文件和bytes文件进行分析。目前针对僵尸程序的研究主要针对的是僵尸程序的入侵检测上,对僵尸程序进行家族分类的研究较少。僵尸程序的检测方法有:1)使用面向对象的关联挖掘方法在WindowsAPI的执行序列上进行检测。2)在反编译文件中提取与数据流相关的API,然后用改进的K-邻近算法来检测僵尸程序。3)基于语义的检测方法,该方法认为恶意代码的行为与语义特征息息相关,采用抽象解释方法检测恶意行为 ...
【技术保护点】
一种动静态特征结合的僵尸程序检测与分类方法,其特征在于,基于静态特征信息,进行僵尸程序检测;检测过程中的特征选择采用了采用改进的TF‑IDF算法,改进的TF‑IDF算法是在TF‑IDF算法计算TF‑IDF权重时加入类区分度因子GF,用于表征特征项在某一类别中的出现程度与在其他所有类别中出现程度的比例;运行检测的僵尸程序,提取僵尸程序运行的API序列和网路流量信息,处理获得僵尸程序家族分类特征;基于僵尸程序家族分类特征,对僵尸程序进行分类。
【技术特征摘要】
1.一种动静态特征结合的僵尸程序检测与分类方法,其特征在于,基于静态特征信息,进行僵尸程序检测;检测过程中的特征选择采用了采用改进的TF-IDF算法,改进的TF-IDF算法是在TF-IDF算法计算TF-IDF权重时加入类区分度因子GF,用于表征特征项在某一类别中的出现程度与在其他所有类别中出现程度的比例;运行检测的僵尸程序,提取僵尸程序运行的API序列和网路流量信息,处理获得僵尸程序家族分类特征;基于僵尸程序家族分类特征,对僵尸程序进行分类。2.如权利要求1所述的方法,其特征在于,所述静态特征信息包括opcode、PE节信息和DLL序列。3.如权利要求1所述的方法,其特征在于,所述类区分度因子GF为:其中,对于特征项tj,类别i中包含特征项tj的样本数记为Cji,除去类别i的其他所有类别中包含特征项tj的样本数记为C!ji...
【专利技术属性】
技术研发人员:薛静锋,张继,郭宇,单纯,刘康,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。