综合行为特征的机器学习勒索软件检测方法

摘要

在勒索软件检测方法中，动态环境下的动态行为和网络行为方面存在综合行为分析不足的局限性，故提出了一种基于本地动态行为特征和网络行为特征的机器学习检测方法(machine learning detection method based on local dynamic behavior features and network behavior features, ML-LDNB)。依据机器学习理论，首先通过分析本地动态行为，提取多维度本地动态行为特征，采用逻辑回归分类器进行勒索软件的预判；同时，在网络层面，通过分析网络流量数据包，提取关键网络行为特征，采用决策树分类器进行勒索软件的预判；最后利用多数投票算法将本地动态行为特征和网络行为特征的预判结果综合起来作为勒索软件识别依据。该方法的检测准确率达98%,充分证明了该方法的有效性和可靠性。

关键词

勒索软件检测 / 加密勒索软件 / 动态恶意软件分析 / 机器学习 / 网络信息流量