抗混淆的恶意代码图像纹理特征描述方法

作     者：刘亚姝 王志海 严寒冰 侯跃然 来煜坤 LIU Yashu;WANG Zhihai;YAN Hanbing;HOU Yueran;LAI Yukun

作者机构：北京交通大学计算机与信息技术学院北京100044 北京建筑大学电气与信息工程学院北京100044 国家计算机网络应急技术处理协调中心北京100029 北京邮电大学网络技术研究院北京100876 卡迪夫大学计算机科学与信息学院 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2018年第39卷第11期

页      面：44-53页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.U1736218 No.61672086) 国家重点研发计划基金资助项目(No.2018YFB0803604) 

主　　题：恶意代码可视化 图像纹理 特征描述符 恶意代码分类 

摘      要：将图像处理技术与机器学习方法相结合是恶意代码可视化研究的一个新方法。在这种研究方法中,恶意代码灰度图像纹理特征的描述对恶意代码分类结果的准确性影响较大。为此,提出新的恶意代码图像纹理特征描述方法。通过将全局特征(GIST)与局部特征(LBP或dense SIFT)相融合,构造抗混淆、抗干扰的融合特征,解决了在恶意代码灰度图像相似度较高或差异性较大时全局特征分类准确性急剧降低的问题。实验表明,该方法与传统方法相比具有更好的稳定性和适用性,同时在较易混淆的数据集上,分类准确率也有了明显的提高。