基于熵图像静态分析技术的勒索软件分类研究

随着人工智能、5G、物联网等技术的快速发展，我国在网络安全领域遭受境外攻击的现象也愈发严重，勒索软件攻击事件已显著增加，给国家、企业和个人造成巨大的数据损失和经济损失。为了有效地对勒索软件家族进行分类，本文提出一种基于熵图像静态分析技术的勒索软件分类方法，直接利用从勒索软件二进制文件中提取的熵特征进行分类，同时提出一种名为Ran-GAN的数据增强方法以解决勒索软件家族间数据不平衡问题。本文提出的方法将注意力机制引入VGG16神经网络架构中，用于提升网络的特征提取能力。实验结果表明，本文提出的方法在14种勒索软件家族上可达97.16%的准确率以及97.12%的加权平均F1-score。与传统可视化方法相比，本文提出的方法在4种评价指标下均明显优于传统的可视化方法，同时，与其他神经网络方法相比，勒索软件的检测性能都有显著提升。