基于深度学习的勒索软件早期检测方法

摘要：

近年来,勒索软件的活跃度高居不下,给社会造成了严重的经济损失.文件一旦被勒索软件加密后将难以恢复,因此如何及时且准确地检测出勒索软件成为了当前的研究热点.为了提升勒索软件检测的及时性和准确性,在分析多种勒索软件家族与良性软件运行初期行为的基础上,提出了一种基于深度学习的勒索软件早期检测方法(Ransomware Early Detection Method Based on Deep Learning,REDMDL).REDMDL以软件运行初期所调用的一定长度的应用程序编程接口(Application Programming Interface,API)序列为输入,结合词向量和位置向量对API序列进行向量化表征,再构建深度卷积网络与长短时记忆网络(Convolutional Neural Network-Long Short Term Memory,CNN-LSTM)相结合的神经网络模型,来实现对勒索软件的早期检测.实验结果显示,REDMDL能够在一个软件运行后数秒内高准确率地判定其是勒索软件还是良性软件.

关键词：勒索软件、早期检测、CNN、LSTM、API

所属期刊栏目：50

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金;贵州省自然科学基金;贵州省科技计划项目

在线出版日期：2023-03-22（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：391-398