基于机器学习的自动恶意行为分析

简介：
本研究探索了利用机器学习技术自动识别和分析恶意网络行为的方法，旨在提升网络安全防护水平。 恶意程序是计算机系统中的主要安全威胁之一。由于其变种数量庞大且种类繁多，传统的防护措施已不再可靠有效。互联网上有数以万计的设备正遭受各种形式的恶意软件侵害，其中最常见的是病毒、蠕虫和木马等类型。此外，恶意程序采用混淆技术和多态技术使得文件层面检测变得更为复杂困难。 基于二进制代码进行动态分析的技术为描述和防御这些威胁提供了一种新的解决方案。本段落提出一个利用机器学习的框架来自动化地分析恶意行为，该框架能够根据相似的行为特征发现新型恶意软件并将其归类到已知类型中。在此基础上，我们进一步提出了增量式分析方法以处理每天新增的大批量样本。 这种方法不仅能够在保持高准确率的同时识别新的变种，并且大大缩短了现有通用检测技术的运行时间。