Hướng tiếp cận phát hiện mã độc dựa trên phân tích tĩnh kết hợp thuật toán học máy
1895 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.90.2023.134-139Từ khóa:
Mã độc; Phát hiện mã độc; Phân tích tĩnh; Thuật toán học máy; Hành vi bất thường.Tóm tắt
Kỹ thuật tấn công phát tán mã độc thông qua người dùng rồi từ đó, leo thang lên hệ thống ngày càng được nhiều kẻ tấn công ưu thích sử dụng. Do đó, để phát hiện mã độc thì hướng tiếp cận phát hiện mã độc dựa trên hành vi với sự hỗ trợ của các thuật toán học máy đã mang lại nhiều hiệu quả cao. Mặt khác, trong thực tế những kẻ tấn công thường tìm nhiều cách thức và kỹ thuật khác nhau nhằm che giấu hình vi của mã độc dựa trên Portable Executable File Format (PE File) của mã độc. Điều này đã gây ra nhiều khó khăn cho quá trình phát hiện mã độc của các hệ thống giám sát. Từ những lý do trên, trong bài báo này, chúng tôi đề xuất phương pháp phát hiện mã độc dựa trên kỹ thuật phân tích tĩnh PE File sử dụng thuật toán học máy.
Tài liệu tham khảo
[1]. Daniel Gibert, Carles Mateu, Jordi Planes. “The rise of machine learning for detection and classification of malware: Research developments, trends and challenges”. Journal of Network and Computer Applications. vol. 153. pp 1-22, (2020).
[2]. Ucci, Daniele & Aniello, Leonardo. “Survey on the Usage of Machine Learning Techniques for Malware Analysis”. Computers & Security. 81. 10.1016/j.cose.2018.11.001, (2017).
[3]. Sanjay Sharma, C. Rama Krishna, Sanjay K. Sahay. “Detection of Advanced Malware by Machine Learning Techniques”. arXiv:1903.02966. (2019).
[4]. Alireza Souri, Rahil Hosseini. “A state-of-the-art survey of malware detection approaches using data mining techniques”. Human-centric Computing and Information Sciences 8(1):1-22.
[5]. Kaspersky-Lab. “Machine Learning Methods for Malware Detection”. (2020).
[6]. R. Islam, R. Tian, L. M. Batten, S. Versteeg, “Classification of malware based on integrated static and dynamic features”, Journal of Network and Computer Applications 36 (2) 646–656, (2013).
[7]. C.-T. Lin, N.-J. Wang, H. Xiao, C. Eckert, “Feature selection and extraction for malware classification”, Journal of Information Science and Engineering 31 (3) 965–992, (2015).
[8]. A. Mohaisen, O. Alrawi, M. Mohaisen, Amal: “High-fidelity, behavior-based automated malware analysis and classification”, Computers & Security 52, 251–266, (2015).
[9]. S. Palahan, D. Babi´c, S. Chaudhuri, D. Kifer, “Extraction of statistically significant malware behaviors”, in: Computer Security Applications Conference, ACM, pp. 69–78, (2013).
[10]. Gavrilut, Dragos, M. Cimpoesu, D. Anton, L. Ciortuz. “Malware Detection Using Machine Learning”. The International Multiconference on Computer Science and Information Technology, (2009).
[11]. Priyank Singhal, Nataasha Raul. “Malware Detection Module using Machine Learning Algorithms to Assist in Centralized Security in Enterprise Networks”, (2015).
[12]. Baldangombo Usukhbayar, Nyamjav Jambaljav, Shi-Jinn Horng. “A Static Malware Detection System Using Data Mining Methods”. Cornell University, (2013).
[13]. Alazab, Mamoun, Sitalakshmi Venkatraman, Paul Watters, and Moutaz Alazab. “Zero-day Malware Detection based on Supervised Learning Algorithms of API call Signatures”. Proceedings of the 9-th Australasian Data Mining Conference, 171-181, (2011).
[14]. Nakajima, Tatsuo & Ishikawa, Hiroo & Kinebuchi, Yuki & Sugaya, Midori & Lei, Sun & Courbot, Alexandre & Zee, Andrej & Aalto, Aleksi & Duk, Kwon. “An Operating System Architecture for Future Information Appliances”. 292-303. (2008). 10.1007/978-3-540-87785-1_26.
[15]. C. Corinna, V. Vladimir. “Support-vector networks. Machine Learning”. Vol 20, pp. 273-297, (1995).
[16]. S.S. Shai, B.D. Shai. “Understanding Machine Learning: From Theory to Algorithms”. Cambridge University Press, (2014).
[17]. JohnShawe-Taylor, ShiliangSun. “Kernel Methods and Support Vector Machines”. Academic Press Library in Signal Processing Vol 1, pp. 857-881, (2014).
[18]. Leo Breiman. “Random Forests”. Machine Learning. vol. 45, Issue 1, pp 5–32. (2001).
[19]. How to create a malware detection system with machine learning. https://www.evilsocket.net/2019/05/22/How-to-create-a-Malware-detection-system-with-MachineLearning/?fbclid=IwAR1vuaOJA3UryaQATPsqKErktLft2RtzzAB5kDvgOTo4U3dF4J-Op9teokQ
