Resumen

Para abordar las amenazas de seguridad emergentes, se han propuesto varios métodos de detección de malware cada año. Por lo tanto, generalmente se necesita un conjunto pequeño pero representativo de muestras de malware para el modelo de detección, especialmente para los modelos de detección de malware basados en aprendizaje automático. Sin embargo, la selección manual actual de muestras representativas de una gran colección de archivos desconocidos es intensiva en trabajo y no escalable. En este documento, proponemos en primer lugar un marco que puede generar automáticamente un pequeño conjunto de datos para la detección de malware. Con este marco, extraemos características de comportamiento de un gran conjunto de datos inicial y luego utilizamos una técnica de clustering jerárquico para identificar diferentes tipos de malware. Se implementa un algoritmo genético mejorado basado en muestreo de ruleta para generar el conjunto de datos de prueba final. El conjunto de datos final es solo una decimoctava parte del volumen del conjunto de datos inicial, y las evaluaciones muestran que el conjunto de datos seleccionado por el marco propuesto es mucho más pequeño

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Amenazas emergentes para la seguridad; Métodos de detección de programas maliciosos; Muestras representativas; Modelos basados en aprendizaje automático; Técnica de agrupación jerárquica; Algoritmo genético.
• Keywords:Emerging security threats; Malware detection methods; Representative samples; Machine-learning-based models; Hierarchical clustering technique; Genetic algorithm