清华大学学报(自然科学版)

北大核心,CA,INSPEC,JST,EI

国内刊号:11-2223/N

国际刊号:1000-0054

清华大学学报(自然科学版)杂志2019年第1期:信息密度增强的恶意代码可视化与自动分类方法

发布日期:

作者:刘亚姝, 王志海, 侯跃然, 严寒冰

单位:1. 北京交通大学 计算机与信息技术学院, 北京 100044;<br>2. 北京建筑大学 电气与信息工程学院, 北京 100044;<br>3. 北京邮电大学 网络技术研究院, 北京 100876;<br>4. 国家计算机网络应急技术处理协调中心, 北京 100029

关键词:恶意代码可视化,simHash,图像纹理

基金:国家自然科学基金重点项目(U1736218);国家自然科学基金面上项目(61672086);国家重点研发计划项目(2018YFB0803604)

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。

来源:2019年第1期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2019年第1期

声明

严正声明:本站非期刊官网,非中介代理。

本站仅提供学术规范服务:快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。

联系我们

  • 地址:清华大学东门外学研大厦B座605A室
  • 电话:010-62788108
  • E-mail:xuebaost@tsinghua.edu.cn

咨询工作人员