【技术实现步骤摘要】
本专利技术涉及信息安全，具体涉及一种针对使用wasm的加密货币挖掘的检测方法。
技术介绍
1、wasm(webassembly)是一种新的编码方式，可以在现代的网络浏览器中运行。它具有紧凑的二进制格式，可以接近原生的性能运行，并为诸如c/c++等语言提供一个编译目标，以便它们可以在web上运行。它也被设计为可以与javascript共存，允许调用javascript接口，可以弥补性能需求场景下javascript的不足。wasm允许开发者使用更接近底层硬件的高性能代码。如果加密货币挖掘恶意脚本以wasm形式运行，其性能可能比传统的javascript实现更高效。检测wasm的使用可以有助于及早发现和阻止这些潜在的挖矿活动，以维护系统性能和效率。
2、加密货币挖掘始于bitcoin、ether的基于算力的pow(proof of work)方案，收入与算力成正比，而后出现了新的加密货币monero，bytecoin等，此类加密货币使用基于内存的pow方案，收入与存储力成正比。因此，普通计算机的浏览器环境开始成为此类加密货币的合适采矿环境。
3、绝大多数非法加密货币挖掘活动在通过浏览器执行javascript脚本进行加密货币挖掘时，大多情况下会使用wasm技术以得到更高的挖掘效率，但是使用wasm字节码文件存在使用中被劫持的风险。恶意的加密货币挖掘脚本可能通过网络传播到用户设备，并在后台运行，而用户可能并不知情，这可能导致安全漏洞和隐私问题。且加密货币挖掘行为的算力需求通常高于正常使用的算力需求，会占用大量的
4、本专利技术提供一种针对浏览器下使用wasm技术的加密货币挖掘活动的检测方法，能够通过对浏览器所使用的wasm字节码文件进行分析，并给出是否存在加密货币挖掘活动的相关信息，以保护浏览器在使用中不被劫持。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供一种针对使用wasm的加密货币挖掘的检测方法，所采用的技术方案具体如下：
2、读取wasm字节码文件，在字节码文件上滑动窗口，得到wasm串；通过wasm指令集，得到instructionset指令集；遍历wasm串，对前8bit存在instructionset指令集中的窗口；对统计blockcount向量中相应窗口截取块的值加一；blockcount向量作为输入特征与wasm样本的标签作为梯度提升决策树拟合的目标；
3、获取每个训练样本集中样本一一对应的blockcount向量，以blockcount向量与对应的wasm样本的标签作为输入特征，通过随机森林进行特征筛选，得到覆盖向量，并对应的得到筛选后的样本集；
4、通过筛选后的样本集对梯度提升决策树拟合得到检测模型；检测方法为将样本得到的blockcount向量作为输入，输入检测模型得到检测结果。
5、优选的，对wasm字节码文件进行逆行解析，根据窗口的大小，以串形式存储，得到wasm串。
6、优选的，blockcount向量的获取方法为：
7、根据instructionset指令集对串形式的字节码文件进行特征统计，得到blockcount向量，其中，instructionset指令集为存储wasm指令集的变量名称；blockcount向量为得到的wasm字节码特征。
8、优选的，以blockcount向量与对应的wasm样本的标签作为输入特征，通过随机森林进行特征筛选，得到覆盖向量，包括：
9、以blockcount向量与对应的wasm样本的标签作为输入特征t＝{(x1,y1),(x2,y2),…,(xn,yn)}，其中xi为第i个样本的blockcount向量，yi为第i个样本的标签，通过随机森林进行特征筛选，得到覆盖向量z＝{zi,zi∈{0,1},i＝1…176*(size-8)2}，其中zi为0则去除t中的第i个元素不参加拟合；若zi为1则参加拟合。
10、优选的，通过随机森林进行特征筛选，得到覆盖向量，还包括：
11、对blockcount向量的特征集合通过重复抽样得到一个小于t的数据集用于训练决策树，得到的决策树模型的预测错误率，称为袋外数据误差err1；
12、随机对袋外数据所有样本的特征x加入噪声干扰，再次计算袋外数据误差，记为err2；
13、则对于第j个样本的特征xj的重要性度量其中，m为决策树的数量；为第i个决策树模型上特征xj的袋外误差；err1i为第i个树的袋外数据误差；得到重要性度量集合px；
14、对特征重要性度量集合px依从大到小排序，取第n′个记为pn′，则有覆盖向量z；
15、其中，n′为重要特征的数量；pn′为重要性度量分割标记；为第i个样本的特征xi的重要性度量；zi为覆盖向量中第i个元素值。
16、本专利技术实施例至少具有如下有益效果：
17、本专利技术提供一种针对浏览器下使用wasm技术的加密货币挖掘活动的检测方法，能够通过对浏览器所使用的wasm字节码文件进行分析，并给出是否存在加密货币挖掘活动的相关信息，以保护浏览器在使用中不被劫持。本专利技术考虑到用户环境下的算力敏感，故使用机器学习方法完成检测功能。技术方案分为两个部分，一部分是对机器学习模型的计算方法，另一部分是使用机器学习方法对wasm字节码文件的检测方法。对wasm字节码文件进行字节码信息的统计提取，后将提取信息作为输入进入训练好的梯度提升决策树，得到检测标签。
本文档来自技高网...【技术保护点】
1.一种针对使用WASM的加密货币挖掘的检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种针对使用WASM的加密货币挖掘的检测方法，其特征在于，对wasm字节码文件进行逆行解析，根据窗口的大小，以串形式存储，得到wasm串。
3.根据权利要求1所述的一种针对使用WASM的加密货币挖掘的检测方法，其特征在于，blockCount向量的获取方法为：
4.根据权利要求1所述的一种针对使用WASM的加密货币挖掘的检测方法，其特征在于，以blockCount向量与对应的wasm样本的标签作为输入特征，通过随机森林进行特征筛选，得到覆盖向量，包括：
5.根据权利要求4所述的一种针对使用WASM的加密货币挖掘的检测方法，其特征在于，通过随机森林进行特征筛选，得到覆盖向量，还包括：
【技术特征摘要】
1.一种针对使用wasm的加密货币挖掘的检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种针对使用wasm的加密货币挖掘的检测方法，其特征在于，对wasm字节码文件进行逆行解析，根据窗口的大小，以串形式存储，得到wasm串。
3.根据权利要求1所述的一种针对使用wasm的加密货币挖掘的检测方法，其特征在于，blockcoun...
【专利技术属性】
技术研发人员：郑明远，郭小丁，马艳红，张磊，左宪禹，谢毅，田军峰，
申请(专利权)人：河南大学，
类型：发明
国别省市：
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。