一种基于决策树模型的恶意程序动态识别方法

摘要

一种基于决策树模型的恶意程序动态识别方法，步骤如下：1：建立行为收集沙箱模块；2：收集黑白样本组成训练样本集；3：捕获样本运行中所产生的所有行为；4：计算白样本各类行为的特征标识节点及行为向量,组合得到白向量集；5：计算黑样本各类行为的特征标识节点及行为向量，组合得到黑向量6：将黑白向量集同机器学习模型进行训练，生成决策树；7：将未知样本程序根据沙箱抓取完整行为；8：计算未知样本的行为特征标识；9：计算样本的行为向量并输入到决策树中进行识别；10：决策树输出样本识别的结果。通过以上步骤，达到了使用决策树模型来进行恶意程序动态识别的目的，解决了分析恶意样本过程中，效率低，流程复杂的问题。