首页 期刊 清华大学学报·自然科学版 信息密度增强的恶意代码可视化与自动分类方法 【正文】

信息密度增强的恶意代码可视化与自动分类方法

作者:刘亚姝; 王志海; 侯跃然; 严寒冰 .北京交通大学计算机与信息技术学院; 北京100044; 北京建筑大学电气与信息工程学院; 北京100044; 北京邮电大学网络技术研究院; 北京100876; 国家计算机网络应急技术处理协调中心; 北京100029
恶意代码可视化   simhash   图像纹理  

摘要:计算机及网络技术的发展致使恶意代码数量每年以指数级数增长,对网络安全构成了严重的威胁。该文将恶意代码逆向分析与可视化相结合,提出了将可移植可执行(PE)文件的".text"段函数块的操作码序列simHash值可视化的方法,不仅提高了恶意代码可视化的效率,而且解决了操作码序列simHash值相似性判断困难的问题。实验结果表明:该可视化方法能够获得有效信息密度增强的分类特征;与传统恶意代码可视化方法相比,该方法更高效,分类结果更准确。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅