标签：files malware 调用 恶意软件 detection 操作码 API 2017 2016
A survey on machine learning-based malware detection in executable files
参考文献
Jagsir Singh, Jaswinder Singh, Journal of Systems Architecture, https://doi.org/10.1016/j.sysarc.2020.101861
基于机器学习的可执行文件恶意软件检测研究综述
恶意软件检测技术
（2019年）[73]解释了各种不同的功能，各种研究人员已使用这些功能来开发恶意软件检测系统，例如字节序列，操作码，字符串，API调用，PE标头信息，Windows注册表，文件系统访问，AV/沙箱提交，CPU寄存器，功能长度，网络活动和生成的异常。
基于签名的恶意软件检测技术
（2007）[78]操作码
（2007）[79]控制流图
（2007）[80]n-gram字节 概率神经网络技术
从在线VX Heavens数据库中提取了三类恶意软件
https://vx-underground.org/archive/VxHeaven/vl.php.html
（2008）[81]操作码 机器学习 DT NB ANN Adaboost
（2009）[82]字符串
（2009）[83]API调用 机器学习
（2010）[84]控制流图
（2010）[85]基于文本的模式匹配方法
（2011）[86]便携式可执行文件（PE）标头 支持向量机SVM
（2012）[87]N-gram操作码序列
（2012）[31]API调用
使用IDApro反汇编程序提取恶意软件的API调用
（2012）[87]扩展了（2009）[81] 操作码n-gram序列
训练了八种类型的分类器：逻辑回归、人工神经网络、朴素贝叶斯、决策树、随机森林、支持向量机、Boosted决策树和Boosted朴素贝叶斯。
（2013）[88]数据相关的API图 最长公共子序列（LCS）算法
（2014）[74]PE标头信息 DT NB LR
（2014）[89]n-gram 机器学习
（2016）[90]API调用 PDF和SWF 机器学习
（2016）[91]PE标头信息 SGD SVM CART
（2016）[92]操作码序列 使用隐马尔可夫模型实现了聚类算法
（2016）[33]n-gram字节
（2016）[21]N-gram操作码 图像表示
（2017）[93]控制流图
（2017）[34]DLL导入 十六进制转储和汇编代码
（2017）[2]检测APT（高级持久威胁）恶意软件
（2017）[34]段落向量 SVM KNN
（2017）[94]控制流图 系统调用依赖性图
（2018）[95]将整个二进制文件转换为灰度图像 CNN
（2020）[96]窗口可执行文件PE标头信息 SVM
（2016）[97]操作码序列
（2017）[2]和（2016）[98]使用API调用，但应用了不同的机器学习和表示方法，并产生了更好的检测率。
基于行为的恶意软件检测技术
（2014）[105]数据相关API图
（2015）[76] API调用和网络活动
（2015）[106]注册内容 API调用
（2015）[64] Window API调用
（2015）[107] API调用顺序
（2016）[108] API调用
（2016）[109]以图像形式表示恶意软件
（2016）[110] API调用顺序
（2016）[77] API调用顺序
（2017）[113]系统对象
（2017）[56] API调用
（2017）[111]依赖图
（2017）[112] API调用顺序
（2017）[114]注册表 网络 文件系统 API调用顺序
（2017）[66]运行时功能
（2018）[115]行为伪像
（2019）[117]使用Parsa沙箱的行为特征
（2019）[118] API调用序列
（2019）[119]网络伪像
（2020）[122]网络功能
（2020）[120]行为特征
（2020）[121]内存图片
混合恶意软件检测技术
标签：files,malware,调用,恶意软件,detection,操作码,API,2017,2016 来源： https://blog.csdn.net/weixin_47038938/article/details/113136231
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。