1.一种恶意程序行为规则集的构建方法,其特征在于,包括如下步骤:
1)采用本体对恶意程序行为进行描述:
通过对恶意程序的动态分析,实时监控恶意程序的运行过程,以得到恶意程序行为的属性描述;基于Cuckoo Sandbox沙箱运行而得到恶意程序行为报告;根据未知样本的恶意行为报告,在本体软件中采用基于恶意程序的API调用频数的形式化扩展描述方法,增强本体对程序行为的描述;
2)恶意程序行为特征提取:
恶意程序行为报告中的每一条信息由API函数和操作对象组成,每一条信息都可以完整地描述恶意程序的一个操作行为,提取每一条完整的操作行为作为特征属性;同时,又由于API函数的频数信息是恶意程序的重要特征,所以针对API函数的频数信息进行特征提取;
3)构建恶意程序细粒度行为规则集:
采用关联规则算法对训练样本的恶意程序行为的特征属性进行挖掘,选取决策树算法对恶意程序API函数调用的频数信息进行分析,所得的结果共同构建恶意程序细粒度行为规则集;
4)构建程序粗粒度行为规则集:
采用Fisher线性判别算法,对所挑选出的34个最能描述应用程序行为的API函数调用的频数信息进行分析,将所得到的线性判别函数与推理规则相结合得到判别正常或恶意的程序粗粒度行为规则集;
5)构建可检测程序类别的行为规则集:
由恶意程序细粒度行为规则集和程序粗粒度行为规则集共同构建。
2.根据权利要求1所述的恶意程序行为规则集的构建方法,其特征在于:步骤1)所述的基于恶意程序的API调用频数的形式化扩展描述方法,定义为:在主体subject、谓词predicate和客体object与恶意程序行为三元组含义一致的基础上,增加objectproperty作为主体subject与谓词predicate中的连接属性;谓词predicate与客体object之间增加hasvalue的连接属性,表示谓词predicate的操作对象值是客体object;谓词predicate与谓词出现频数predicate_num之间增加hasnum属性,表示谓词predicate的调用频数值是频数predicate_num。
3.根据权利要求2所述的恶意程序行为规则集的构建方法,其特征在于:步骤2)所述的提取特征属性,特征属性由API函数表示的程序行为动作
步骤2)所述的API函数的频数信息进行特征提取,是对多个训练样本进行API函数的频数信息的统计,形成恶意程序Windows API函数调用的频数信息数据集Dataset2。
4.根据权利要求3所述的恶意程序行为规则集的构建方法,其特征在于:步骤3)所述的构建恶意程序细粒度行为规则集,具体方法包括如下步骤:
3.1)采用关联规则算法对训练样本的恶意程序行为的特征属性进行挖掘:关联规则算法是通过挖掘数据集中各个数据项之间的关联,来实现分类的算法,即使用efficient_apriori模块中的apriori方法;apriori方法的运算过程是先识别出数据集Dataset1内的所有频繁项集,之后再进一步构建相关的规则;
数据集Dataset1中所有项的集合为I={I1,I2,I3,......,Im},通过关联规则挖掘,找到行为特征属性项集A与恶意程序类别标签项集B,并满足以下条件:① 项集A常是多项集或单项集,项集B常是单项集;
②满足A∩B=Φ;
③最小支持度min_support条件:
④最小置信度min_confidence条件:
此时,可得到关联规则的结果,形如:A→B;
⑤对关联规则的结果进行过滤:
由于项集B是集合I中的单项集,项集B既有可能是恶意程序的行为特征属性项也可能是恶意程序类别项,所以对关联规则的结果进行过滤,只保留项集B为恶意程序类别项的规则;
3.2)关联规则结果与规则的关系映射:
关联规则得到的结果本身就是规则的集合,行为特征属性项集A与恶意程序类别标签项集B之间通过符号“→”进行关联,行为特征属性项集A为关联的先决条件,恶意程序类别标签项集B为关联的结果;
3.3)采用决策树算法对恶意程序API函数调用的频数信息进行分析:分类决策树模型是一种运用描述对样本进行区分种类的树形结构,结点和有向边组成了决策树,结点分为两类:内部结点和叶结点,每一个内部结点代表着对恶意程序API函数调用频数信息特征属性的判别,叶结点则代表着样本经过多个内部结点的判别确定为某一个类别;调用sklearn.tree模块中的DecisionTreeClassifier分类器,使用DecisionTree()函数以信息熵或基尼系数作为节点特征选择的依据,为了避免在训练数据集上过拟合,可以增加对决策树深度的调节;
3.4)决策树算法结果与规则的关系映射:
挖掘规则可以很自然地由决策树建立的模型转换而来,创建的每一条规则对应着决策树的根节点到叶节点的每一条路径;规则的条件也对应着每一条路径内部节点的特征属性判别,规则的结果对应着叶节点的类别,最后可以获得与决策树等价的规则集合;
3.5)使用Merge()函数根据恶意程序类别,将两种方法关联规则算法和决策树算法得到的规则集进行合并,输出恶意程序行为的细粒度规则集合;
SWRL以语义的形式呈现规则,可以直接使用本体论描述,SWRL规则的一般形式可表示为:Rule:M(?x)∧N(?x,?y)→P(?x),
其中,变量x和y分别表示OWL的实例和OWL的数据值,M和P表示类描述,类属性则用N表示;若规则中的左边部分作为前提成立,则右边的结论为真;
3.6)使用SWRL规则语言对规则集进行形式语义的转化:
将规则集中的先决条件和结果映射到OWL本体语言中的概念和属性,以便把本体SWRL规则与本体相关联,结合推理机对未知程序样本进行检测分类。
5.根据权利要求4所述的恶意程序行为规则集的构建方法,其特征在于:步骤4)所述的构建程序粗粒度行为规则集,具体方法包括如下步骤:
4.1)挑选出的34个最能描述应用程序行为的API函数,分别是:ntCreateFile、CreateDirectory、CopyFile、FindFirstFile/FindNextFile、GetFileAttribute、GetFileSize、GetFileType、ntOpenFile、ntReadFile、ntWriteFile、DeleteFile、ntCreateProcess、ntOpenProcess、ntTerminateProcess、regOpenKey、ntOpenKey、regQueryInfoKey、regQueryValue、regSetValue、regCloseKey、CreateThread、ntOpenThread、ntResumeThread、GetSystemInfo、GetSystemDirectory、GetSystemMetrics、GetSystemTimeAsFileTime、GetSystemWindowsDirectory、ntCreateMutant、ntOpenMutant、ntClose、ntDelayExecution、GetCursorpos、wsaStartUp;
4.2)归一化处理以上34个API函数调用的频数信息:
采用归一化函数f(x)=round(10*lgx)对频数信息进行处理;
4.3)将数据导入Fisher线性判别算法,得到最佳线性判别函数:Fisher线性判别利用投影法,将m维空间样本投影到一维空间的直线上,同时基于一元方差分析,按照组间均方差最大、组内均方差最小原则,使得在一维空间方向的样本最好地分散开,确定获得线性判别函数的系数,创建线性判别方程,具体步骤如下:①调用getAvg()函数分别计算正常和恶意训练样本各自的均值向量;
②调用getSi()函数计算正常和恶意训练样本各自的类内离散矩阵Si以及正常和恶意训练样本之间的总类间离散度矩阵Sw=S0+S1;
③计算样本类间散度矩阵Sb;
*
④调用getW()函数计算判别指标权向量ω;
⑤将训练集内所有样本进行投影,通过dot()函数获取投影点;
⑥计算投影后的正常和恶意训练样本各自的均值;
⑦计算分类阈值;
⑧分类阈值和判别指标权向量创建最佳线性判别函数;
4.4)将线性判别函数与推理规则相结合可得到程序粗粒度行为规则集。