基于区块重组和双通道可视化的恶意代码分类

来源：计算机应用与软件杂志2024年第10期北京时间：

作者：李豪, 钱丽萍, 朱晓慧,

摘要：针对恶意代码在变种过程中存在许多内联性和相似性，同类恶意家族采用相同或相似的区块标签命名法，现有恶意代码可视化的灰度图像不能全面包含恶意攻击信息，因此提出基于区块重组和双通道的恶意代码可视化分类方法。统计每类家族样本的区块标签分布，找出该类家族的目标标签，重组恶意代码样本的区块数据。将重组后的样本可视化为方阵BR彩色图像，利用高斯核的核主成分分析法对图像进行特征降维，输入多种机器学习分类器中进行训练及分类检测。在标准数据集上的实验结果表明，分类准确率可达到97.00%，稳定性好且有效性高于其他恶意代码检测算法。

关键词：恶意代码分类, 区块重组, BR彩色图像, 特征降维