这篇博客探讨了三种恶意代码检测方法。首先，通过将二进制文件转化为灰度图像进行静态分析。其次，利用AST和CFG对源代码进行语义分析以区分恶意与非恶意代码。最后，提到了opcode分析在恶意代码检测中的应用。这些技术结合了计算机视觉和深度学习，提高了检测的准确性。
1.图像法
参考论文《一种基于多特征集成学习的恶意代码静态检测框架》
将二进制文件按照8b无符号整数依次读取并存入向量中; 其次读取文件大小, 根据文件大小与灰度图宽度映射表得到灰度图的 width ， 而后根据文件大小和 width 计算灰度图的height,将 这些向量转为形状是 ［height,weight ］ 的 2D 数组， 最后将2D 数组可视化[0,255] 范围内的灰度图像。
2.源代码检测
参考论文《基于深度学习的JavaScript恶意代码检测技术研究与实现_杨宇行》
一段恶意代码和非恶意代码可能拥有相同的AST，所以需要对它们的语义进行分析。
通过AST分析语法信息，通过CFG分析语义信息
扫一扫
9527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
