Un sistema de clasificación automatizado basado en las cadenas de familias de troyanos y virus

Clasificar malware correctamente es un tema de investigación importante para los productores de software anti-malware. Este documento presenta una técnica de clasificación de malware efectiva y eficiente basada en información de cadenas utilizando varios algoritmos de clasificación bien conocidos. En nuestras pruebas, extrajimos las cadenas imprimibles de 1367 muestras, incluyendo troyanos y virus desempaquetados y archivos limpios. La información que describe las cadenas imprimibles contenidas en cada muestra se introdujo a varios algoritmos de clasificación, incluyendo clasificadores basados en árboles, un algoritmo de vecino más cercano, algoritmos estadísticos y AdaBoost. Usando validación cruzada k-fold en el malware desempaquetado y archivos limpios, logramos una precisión de clasificación del 97%. Nuestros resultados revelan que las cadenas del código de la biblioteca (en lugar del código malicioso en sí) pueden ser utilizadas para distinguir diferentes familias de malware.