基于动态行为特征加权聚类的加壳恶意软件未知变种检测方法

攻击者为了逃避检测，常利用加壳技术对恶意软件进行加密或压缩，使得安全分析人员以及传统基于静态分析的恶意软件检测方法在恶意软件运行前难以利用反汇编等逆向工具对其进行静态分析。为检测加壳恶意软件，当前主要采用动态分析方法检测加壳恶意软件，然而受限于加壳工具种类和样本规模，以及恶意软件加壳行为带来的混淆噪声，导致传统基于机器学习检测方法存在准确率不足等问题。研究提取并分析加壳恶意软件运行时的系统调用行为特征，识别并筛选出敏感行为，旨在过滤脱壳行为噪声产生的影响；通过对系统调用行为特征加权降维，提升行为特征的有效性；通过对加权降维的行为特征进行聚类分析，最终实现加壳恶意软件未知变种检测和检测模型增量更新。实验结果表明，提出的基于动态行为特征加权聚类的加壳恶意软件未知变种检测方法检测误报率3.9%,相较几种典型机器学习检测方法呈显著降低。     

淀粉/聚乙烯薄膜中聚乙烯的降解特性研究

对含３０％淀粉的淀粉／聚乙烯薄膜进行环境降解、环境生物降解和环境曝晒试验,发现淀粉／聚乙烯薄膜在环境中暴晒降解的速度远远大于生物降解的速度,在应用环境中经过４周的降解,薄膜中聚乙烯的分子量损失达６２．５％;经５周的曝晒降解后,薄膜中聚乙炮的分子量损失达８７．５％;薄膜降解后,平板流变粘度降低２个数量级以上。