一种基于危险理论的恶意代码检测方法

摘要：

针对当前基于多维特征检测恶意代码过程中缺乏有效的特征综合手段及检测方法问题,提出一种基于危险理论的恶意代码特征提取、融合及检测方法.该方法采用n-gram算法提取恶意代码运行时API调用序列特征,再将多个特征融合成危险信号和安全信号,最后利用确定性树突状细胞算法检测恶意代码.实验结果表明:与其他4种检测算法(朴素贝叶斯算法、决策树算法、支持向量机算法、基于实例的学习算法)相比,该方法具有更低的漏报率和误报率.

关键词：危险理论、确定性树突状细胞算法、恶意代码检测、API调用序列、检测率

所属期刊栏目：45

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61172083

在线出版日期：2014-12-04（万方平台首次上网日期，不代表论文的发表时间）

页码：3055-3060