针对单一沙箱检测模式较为固定、易被恶意样本逃逸的问题，分析了当前恶意软件沙箱逃逸典型技术，提出了一种恶意样本逃逸行为检测框架。对恶意样本在不同层次的沙箱以及真实环境中生成的文件操作、网络通信、进程操作、注册表操作等行为进行记录，进行特征筛选以及标准化处理，通过Jaccard相似度算法来比较行为之间的相似度差异，进行层次划分并判定恶意样本逃逸行为。实验结果显示，整体准确率为95.6%，检出率为90.1%，同时误报率低于5%，可以检测多种已知和未知逃逸行为，通过进一步分析可定位到样本具体逃逸行为。
2022-11-26 15:41:26
900KB
1
构造精确的贝叶斯网络分类器已被证明为NP难问题，提出了一种基于捕食逃逸粒子群优化（PSO）算法的通用贝叶斯网络分类器，能有效避免数据预处理时的属性约简对分类效果的直接影响，实现对贝叶斯网络结构的精确学习和搜索。另外，将所提出的分类器应用于高职院校就业预测分析，并在Weka平台上实现对该分类器的构建和验证，与其他几种贝叶斯网络分类器的对比实验结果表明，该分类器具有更好的性能。
2022-07-29 20:11:48
395KB
1
[Linux]PHP动态特性的捕捉与逃逸
WEB应用防火墙
移动安全
终端安全
应急响应
漏洞分析
2021-11-10 18:00:24
1.52MB
强网杯2020决赛RealWord的Chrome逃逸——GOOexec（GOO）
安全架构安全威胁
系统安全
安全分析
威胁情报
2021-09-06 17:00:15
2.76MB