一种基于动态多特征的恶意软件检测方法

摘要

一种基于动态多特征的恶意软件检测方法。其包括向运行于Xen虚拟化平台之上的客户虚拟机连续投放作为样本的恶意软件和正常软件：使用LibVMI获取客户虚拟机的内存转储文件；使用Volatility内存取证分析框架从内存转储文件中提取出多个种类的动态特征，由这些动态特征构成特征集；选取最佳基分类器，构建最终的集成分类器，将特征集输入到集成分类器中，找出最佳的特征组合和集成学习模型作为分类结果等步骤。本发明效果：能有效提升获取特征数据的种类和可靠性，减少数据获取的开销；通过使用集成学习模型，有效地提升了整体分类器的泛化能力和分类准确度，且增强了分类模型对于不同种类的恶意软件检测的通用性。