基于 Hilbert 曲线-残差网络的勒索病毒分类方法

来源：计算机技术与发展杂志2023年第06期北京时间：

作者：孙超远;蒋秋华;徐东平;李琪

单位：1. 中国铁道科学研究院 研究生部,北京 100081;2. 中国铁道科学研究院集团有限公司 电子计算技术研究所,北京 100081

摘要：随着勒索病毒的日益猖獗,对勒索病毒进行检测并分类的工作越来越受到重视。 对勒索病毒进行检测并分类能够及时应急响应,保护用户数据,降低企业用户损失。 目前迁移学习等算法已渐用于勒索病毒检测,但分类多依赖于静态和动态分析,不仅需人工处理复杂的特征工程,步骤繁琐,且不利于大规模分类。 为实现简单方便且准确度高的大规模分类,该文将病毒样本扩展到 Windows 和 Linux 两大平台,使用能够保留更多数据特征的 Hilbert 曲线将勒索病毒文件可视化,然后利用基于残差神经网络的三种改进迁移模型进行学习得到各自的分类结果,最后使用集成学习模块进行投票得到最终分类结果,并和常规方法 Zigzag 规则可视化进行了比较。 通过实验验证,该方法对检测并分类勒索病毒的准确率达到了 96. 92% ,并表明 Hilbert 可视化优于常规方法 Zigzag 规则可视化。

关键词：勒索病毒;勒索病毒家族分类;Hilbert 曲线;残差神经网络;集成学习