恶意代码聚类中的特征选取研究

摘要：

近几年，随着恶意代码数量的飞速增长，将聚类算法用于恶意代码新家族检测受到越来越多安全厂商的青睐。恶意代码聚类将具有相似行为或结构的样本划分到同一簇中，选取不同的特征将影响恶意代码的聚类质量。文章首先选取恶意代码聚类研究中常用的特征进行讨论比较。现有大部分研究均选取单一特征向量进行聚类，而任何单一特征向量均难以完整描述恶意代码的全部性质。针对该问题，文章接着提出利用多特征向量对的方法进行恶意代码聚类，并根据聚类结果定义特定的指标对选用的特征进行评价。最后，文章结合DBSCAN聚类算法对各种特征以及特征间的组合进行实验，结果表明，采用多特征向量对的聚类效果要优于单一特征向量。

关键词：特征选取、恶意代码、聚类分析

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61472437

在线出版日期：2016-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：64-68