恶意PDF检测中的特征工程研究与改进

摘要：

在基于机器学习的恶意PDF检测中,现有特征容易引起混淆或逃逸.为了提高特征的准确性和鲁棒性,在现有方法的基础上研究和改进特征提取方法,结合内容特征、结构特征以及逻辑树的间接结构特征,通过分析特征重要性进行特征选择,最后应用分类算法实现恶意PDF检测.结构特征包括多个高频次叶子节点数量;内容特征包括元数据特征、字节熵值、流字节比例等特征.收集实验数据集,提取特征并分析,最终选择出58维特征,使用LightGBM算法训练梯度提升决策树模型,测试准确率为99.9％,优于其他方法.另外,模拟攻击部分样本的特征,生成对抗样本,检测准确率同样达到99.2％.

关键词：内容特征、DOM树、梯度提升决策树、恶意PDF检测、结构特征

所属期刊栏目：51

分类号：TP311(计算技术、计算机技术)

资助基金：北京市博士后科研工作经费支助项目2021-ZZ-087

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：766-773