基于深度学习的Linux远控木马检测
来源：计算机工程杂志2020年第7期北京时间：
作者：李峰, 舒斐, 李明轩, 王斌, 杨慧婷
单位：国网新疆电力有限公司 电力科学研究院, 乌鲁木齐 830011
摘要：远控木马作为一种高级形态的恶意代码，不仅能收集用户敏感信息，而且可以通过命令控制引发大规模的攻击。为高效准确地识别远控木马，通过结合静态分析和动态行为分析方法提取文件特征，利用深度学习对样本特征逐层抽取的能力，构建基于循环神经网络（RNN）的样本分类模型，以对Linux远控木马进行检测。为避免陷入局部最优，采用随机搜索参数的方法进行模型超参数选择。对基于RNN的分类模型及其他基于传统机器学习算法的模型分别进行实验，结果表明，在选取性能最佳的超参数配置下，基于RNN的样本分类模型具有更高的准确率与F1值。
关键词：远控木马,静态分析,行为分析,循环神经网络,超参数
基金资助：国网新疆电力有限公司项目电力行业工业控制系统安全监测与深度检测技术研究（5230DK18000V）。
