Bildvisualisierung basierte Malware-Detektion

Die Malware-Detektion ist eine der herausfordernden Aufgaben in der Cybersicherheit. Das Aufkommen von Code-Obfuskation, metamorpher Malware, Packern und Zero-Day-Angriffen hat die Malware-Detektion zu einer herausfordernden Aufgabe gemacht. In diesem Papier präsentieren wir einen visualisierungsbasierten Ansatz zur Malware-Detektion. Zuerst wird die ausführbare Datei in ein Graustufenbild umgewandelt, das als Byteplot bezeichnet wird. Anschließend extrahieren wir niedrigstufige Merkmale wie intensivitätsbasierte und texturbasierte Merkmale. Wir wenden rechnerisch intelligente Techniken zur Malware-Detektion unter Verwendung dieser Merkmale an. In dieser Arbeit haben wir Support Vector Machines (SVMs) verwendet und eine Genauigkeit von 95% auf einem Datensatz mit 25000 Malware- und 12000 benignen Proben erreicht.