基于系统调用和数据溯源的PDF文档检测模型

来源：计算机应用杂志2022年第12期北京时间：

作者：雷靖玮, 伊鹏, 陈祥, 王亮, 毛明

单位：中国人民解放军战略支援部队信息工程大学，郑州 450001

摘要：针对传统静态检测及动态检测方法无法应对基于大量混淆及未知技术的PDF文档攻击的缺陷，提出了一个基于系统调用和数据溯源技术的新型检测模型NtProvenancer。首先，使用系统调用捕获工具收集文档执行时产生的系统调用记录；其次，利用数据溯源技术构建基于系统调用的数据溯源图；而后，用图的路径筛选算法提取系统调用特征片段进行检测。实验数据集由528个良性PDF文档与320个恶意PDF文档组成。在Adobe Reader上展开测试，并使用词频-逆文档频率（TF-IDF）及PROVDETECTOR稀有度算法替换所提出的图的关键点算法来进行对比实验。结果表明NtProvenancer在精确率和F1分数等多项指标上均优于对比模型。在最佳参数设置下，所提模型的文档训练与检测阶段的平均用时分别为251.51 ms以及60.55 ms，同时误报率低于5.22%，F1分数达到0.989。可见NtProvenancer是一种高效实用的PDF文档检测模型。

关键词：PDF文档检测,系统调用,数据溯源,关键点算法,特征片段

基金资助：国防科技创新特区项目