如何使用圖像紋理和卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行惡意文件的檢測(cè)方法

　　在大數(shù)據(jù)環(huán)境下，針對(duì)傳統(tǒng)惡意文件檢測(cè)方法對(duì)經(jīng)過(guò)代碼變種和混淆后的惡意文件檢測(cè)準(zhǔn)確率低以及對(duì)跨平臺(tái)惡意文件檢測(cè)通用性弱等問題，提出一種基于圖像紋理和卷積神經(jīng)網(wǎng)絡(luò)的惡意文件檢測(cè)方法。首先，使用灰度圖像生成算法將Android和Windows平臺(tái)下可執(zhí)行文件，即．dex和．exe文件，轉(zhuǎn)換成相應(yīng)的灰度圖像；然后，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)（ CNN）算法自動(dòng)提取這些灰度圖像的紋理特征并加以學(xué)習(xí)訓(xùn)練，從而構(gòu)建出一個(gè)惡意文件檢測(cè)模型；最后，使用大量未知待檢測(cè)的文件去驗(yàn)證模型檢測(cè)準(zhǔn)確率的高低。通過(guò)對(duì)大量的惡意樣本進(jìn)行實(shí)驗(yàn)，在Android和Windows平臺(tái)下，模型檢測(cè)最高準(zhǔn)確率分別達(dá)到79.6%和97.6%，平均準(zhǔn)確率分別約為79.3%和96.8%；與基于紋理指紋的惡意代碼變種檢測(cè)方法相比，基于圖像紋理和卷積神經(jīng)網(wǎng)絡(luò)的惡意文件檢測(cè)方法準(zhǔn)確率提高了約20%。實(shí)驗(yàn)結(jié)果表明，所提方法能夠有效避免人工篩選特征帶來(lái)的問題，大幅提高檢測(cè)的準(zhǔn)確率和效率，成功解決跨平臺(tái)檢測(cè)問題，實(shí)現(xiàn)了一種端到端的惡意文件檢測(cè)模型。

?

　　大數(shù)據(jù)環(huán)境下，如何從各種海量的已知數(shù)據(jù)中提取有價(jià)值的信息來(lái)對(duì)未知事件作出預(yù)測(cè)或者防止未知惡意事件發(fā)生的這個(gè)問題引起了各個(gè)領(lǐng)域的研究者們的關(guān)注和研究。在這樣的大環(huán)境下，再加上如今互聯(lián)網(wǎng)的飛速發(fā)展，Android系統(tǒng)由于其高開源性和基于Android系統(tǒng)開發(fā)的軟件沒有一個(gè)統(tǒng)一的發(fā)布和管理平臺(tái)，所以導(dǎo)致了很多程序開發(fā)者受黑色經(jīng)濟(jì)的誘惑開發(fā)出了大量的安卓惡意軟件。這不僅制造了整個(gè)Android市場(chǎng)的混亂，還對(duì)每個(gè)移動(dòng)用戶的隱私以及財(cái)產(chǎn)安全造成了更加嚴(yán)重的威脅。