基于行为路径树的恶意软件分类方法

来源：计算机工程与应用杂志2020年第11期北京时间：

作者：金炳初，文辉，石志强，张智渊，陈俊杰

单位：1.太原理工大学 信息与计算机学院,太原 030024；2.中国科学院 信息工程研究所 物联网信息安全技术北京市重点实验室，北京 100195；3.中国科学院大学 网络空间安全学院，北京 100195

摘要：针对恶意软件家族分类问题，提出一种基于行为路径树的恶意软件分类方法，该方法使用恶意样本细粒度行为路径作为动态特征，通过将路径转化为树型结构的方式生成依赖关系，与传统基于系统调用的恶意软件分类相比，具有较低的复杂度。此外，针对传统分类模型无法解决行为路径树深度寻优问题，设计了基于自适应随机森林的分类模型，该模型采用随机逼近的方式完成行为路径树深度寻优。实验部分使用2?588个样本（包含8个恶意家族，1个良性集合）对行为路径树的有效性进行验证，分类精度达到91.11%。

关键词：行为路径树,恶意软件分类,动态特征,自适应随机森林