رویکردی هوشمندانهی ایستا به منظور شناسایی فایلهای مشکوک به بدافزار
Publish place: 6th Conference of Irans Scientific Society of Command, Control, Communications, Computers and Intelligences
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,716
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCCI06_040
تاریخ نمایه سازی: 13 اسفند 1391
Abstract:
امروزه نویسندگان بدافزار از تکنیکهای مختلف مبهمسازی بهمنظور جلوگیری از شناسایی، استفاده میکنند. در نتیجه هر روزه شاهدشناسایی نسخههای مختلف بدافزارها هستیم. با توجه به اینکه آنتیویروسها معمولاً از روشهای مبتنی بر امضاء به منظور شناسا یی بدافزاراستفاده میکنند، در نتیجه قادر به شناسایی اینگونه بدافزارها نمیباشند. مطالعات نشان میدهد که عملیات مبهم سازی به طور معمول ناهنجاری -هایی را در فایلهای اجرایی ایجاد میکند. در این مقاله سعی شده که با استفاده از ناهنجاری موجود در خصیصههای ساختاری ایستای فایلهای اجرایی و روشهای یادگیری ماشین، به شناسایی فایلهای مشکوک به بدافزار، پرداخته شود. همچنین با استفاده از پیشپردازش دقیق بر رویخصیصهها و مقادیر، بهبود خوبی در نتایج حاصل شد. بررسیهای ما بر روی بیش از 16000 فایل سالم و بدافزار، نشان میدهد که با استفاده ازاین خصیصهها میتوان با دقت بسیار بالا و نرخ مثبت و منفی کاذب پایین، به شناسایی اینگونه بدافزارها پرداخت
Keywords:
شناسایی بدافزار - تکنیک مبهمسازی - سرایند فایلPE یادگیری ماشین – بستهبند
Authors
محدثه ذاکری
دانشجوی کارشناسی ارشد دانشگاه شهید بهشتی
فاطمه فرجی دانشگر
دانشجوی دکتری دانشگاه شهید بهشتی
مقصود عباسپور
استادیار دانشکده مهندسی برق و کامپیوتر دانشگاه شهید بهشتی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :