應用軟件可疑行為自動化分析工具的設計與實現的中期報告_第1頁
應用軟件可疑行為自動化分析工具的設計與實現的中期報告_第2頁
應用軟件可疑行為自動化分析工具的設計與實現的中期報告_第3頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

應用軟件可疑行為自動化分析工具的設計與實現的中期報告一、研究背景隨著多年來計算機安全問題的不斷上升和攻擊手段的不斷升級，從單純地靠防護軟件來預防惡意軟件已經越來越難以應對。需要在病毒檢測和入侵檢測方面使用新的技術。在惡意軟件分析領域，自動化分析工具具有很大的應用價值。因此，本文旨在設計和實現一個應用軟件可疑行為自動化分析工具。二、分析目的和方法1.分析目的通過對應用軟件的可疑行為自動化分析工具的設計和實現，旨在實現快速檢測和分類應用軟件的可疑行為，從而提高計算機系統(tǒng)的安全性能。2.分析方法（1）分析已有的安全防護技術與惡意軟件分析工具，了解其優(yōu)缺點；（2）通過分析，確定該自動化分析工具主要以對應用軟件的可疑行為為主，包括文件操作、網絡傳輸、進程實例和系統(tǒng)API的調用等，對軟件進行背景分析和檢測；（3）根據上述需求，綜合應用機器學習算法，進行特征數據提取，獲取數據集；（4）使用Python編程，基于機器學習框架開發(fā)應用軟件可疑行為自動化分析工具；（5）通過實驗驗證，檢測其檢測和分類的準確率。三、研究內容和進展1.軟件可疑行為分析框架以IE瀏覽器點擊訪問一個含有木馬代碼的網站為例，當IE瀏覽器訪問該網站時，該網站的服務器會向IE瀏覽器傳送木馬代碼，該惡意代碼注入到IE瀏覽器的進程中占用進程資源，執(zhí)行后打開了一個TCP端口，等待來自攻擊者的遠程命令。本應用軟件可疑行為自動化分析工具采用IE瀏覽器的進程作為程序被檢測和分析的對象。通過對IE瀏覽器進程進行數據收集，結合開源工具Spy++、APIMonitor和UPX等，獲取相關信息，建立相應模型，實現自動檢測程序。2.數據集建立從Windows7的333個應用軟件中隨機選取180個樣本，提取相應的樣本數據集特征。3.特征工程將生成的數據集分成訓練集和測試集兩部分，進行數據預處理和特征選擇，得到128維特征向量。4.分類算法應用多種分類算法包括基于決策樹、樸素貝葉斯、支持向量機、隨機森林和基于神經網絡的分類算法進行比較，評估算法的準確性，并確定出最優(yōu)分類器。5.系統(tǒng)實現使用Python編程，基于機器學習框架Scikit-learn開發(fā)應用軟件可疑行為自動化分析工具，可自動分析應用軟件的可疑行為。四、結論通過對IE瀏覽器等應用軟件數據分析，建立了應用軟件可疑行為分析框架，提取了128維特征。分析了多種分類算法，最優(yōu)的分類算法是隨機森林。成功地基于Scikit-learn機器學習框架，開發(fā)了應用軟件可疑行為自動化分析工具，并得到了進一步的實驗驗證。五、未來工作未來工作包括收

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論