基於雲計算的病毒惡意軟體分析研究

基於雲計算的病毒惡意軟體分析研究

南京航空航太大學  孟超

本文提出了基於雲計算的動態行為分析方案，該方案利用雲計算分散式運算的特點，在雲計算多個虛擬機器結點上並行的完成對病毒惡意軟體多條執行路徑的分析，對虛擬機器中系統調用的監控發現病毒惡意軟體在特定的條件下觸發的惡意行為。 採用PIF演算法來形式化的描述可疑檔分析和報告返回的過程，對該演算法的改進也同時提高了分析的效率，PIF演算法是分散式演算法特別適合在雲計算環境中執行。 實驗結果表明，該模型能夠檢測出病毒惡意軟體的條件觸發行為，並且可以發現觸發惡意行為的條件和滿足這些條件的輸入資料，同時基於雲計算的動態監測的性能比普通單機系統有了較大的提升。 當前幾乎所有的對惡意程式碼的靜態檢測都是採用基於簽名資料庫的方式。 這種方式導致了病毒惡意軟體可以使用一些比較簡單的方式來躲避檢測，比如代碼迷惑方式。 針對這種情況，本文深入研究了集成神經網路作為模式識別器在病毒惡意軟體靜態檢測中的應用，提出了一種基於雲計算的靜態行為檢測的方式。 與傳統通過動態執行方法去獲取系統呼叫順序不同，該方法通過基於n-grams的特徵提取方法得到系統呼叫順序，使用特徵提取和選擇的演算法得到可疑檔特徵向量，作為訓練測試的輸入資料。 通過對一種新式CFO演算法進行比較詳細的理論分析研究，在此基礎上提出了一種新型的分散式的CFO演算法，用於在雲計算分散式運算環境中，對集成神經網路進行訓練學習。 文中最後基於雲計算環境實現了集成神經網路對病毒惡意軟體進行測試分類。 實驗結果表明，該方案與傳統的靜態檢測方法比較有較高的精確度和較少的錯誤率。

基於雲計算的病毒惡意軟體分析研究