利用Morton曲线和多通道语义特征进行3D体积型恶意软件检测

《Scientific Reports》：3D volumetric malware detection using morton curves and multi-channel semantic features

　　```

摘要

在当今时代，随着组织和日常运营的数字化程度不断提高，以及“自带设备办公”（BYOD）和居家办公政策的推广，恶意软件感染的威胁持续扩大。目前采用的主要防护措施是基于哈希值的匹配方法和基于行为检测的方法来识别恶意软件。在本文中，我们提出了一种基于3D卷积神经网络（CNN）的主动式静态恶意软件检测模型。与传统的2D字节可视化方法不同，后者将二进制文件转换为平面表示形式，我们的方法利用一种保持局部结构的映射技术，将可执行文件（PE）的二进制数据转换为三维嵌入格式。我们认为这种三维表示能够更好地保留字节流中的空间邻接关系，并通过三维卷积实现分层特征提取，从而可能提升对恶意软件结构的识别能力。在我们的实验中，该模型在针对未见过的恶意软件家庭的验证测试中表现出优异的性能。使用我们的方法，最佳模型的准确率达到88%，假阴性率为11%。作为对比，传统的随机分割方法准确率为99%，ROC-AUC值为99.7%，这凸显了数据分布对评估结果的影响。该模型在消费级图形处理单元（GPU）上的平均推理时间为每个样本3.4毫秒，表明其非常适合大规模检测已知威胁。

```