Resumen

Los formatos de firmware varían de proveedor a proveedor, lo que dificulta rastrear a qué proveedor o dispositivo pertenece el firmware, o identificar el firmware utilizado en un dispositivo incrustado. Las herramientas actuales de análisis de firmware principalmente distinguen el firmware por firmas estáticas en el código binario del firmware. Sin embargo, la extracción de una firma a menudo requiere un análisis cuidadoso por parte de profesionales para obtenerla y requiere una inversión significativa de tiempo y esfuerzo. En este documento, utilizamos Doc2Vec para extraer y procesar la información de caracteres en el firmware, combinamos el tamaño del archivo, la entropía del archivo y la media aritmética de bytes como características del firmware, e implementamos el clasificador de firmware combinando el modelo Extra Trees. La evaluación se realiza en 1,190 archivos de firmware de 5 proveedores de enrutadores. La precisión del clasificador es del 97.18%, que es mayor que la de los enfoques actuales. Los resultados muestran que el enfoque propuesto es factible y efectivo.

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Firmware; Herramientas de análisis; Firma; Doc2Vec; Clasificador; Evaluación
• Keywords:Firmware; Analysis tools; Signature; Doc2Vec; Classifier; Evaluation