计算机工程

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

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：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）。

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。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期