شناسایی بدافزارها با استفاده از تصویرسازی مقاله

در این مقاله استفاده از راه­کاری مبتنی بر پردازش تصویر جهت شناسایی بدافزارهای چندریختی مطرح شده است. بدافزارنویسان با ایجاد نسخه­های مختلف از یک بدافزار در عمل راه­کار تشخیص ایستای بدافزار براساس امضاء را با مشکل مواجه کرده­اند. بررسی­های ما بر روی شباهت تصویرهای تولیدشده از فایل­ بدافزارهای چندریختی و در جهت ایجاد امکان تفکیک بین بدافزارها و فایل­های معمولی انجام گرفته است. با توجه به نتایج حاصل­شده، امکان شناسایی بدافزارها با استفاده از تصاویر آن­ها میسر شده است. با درنظرگرفتن کد دودویی در قالب یک تصویر، می­توان ویژگی­های زیادی جهت تعیین میزان تشایه بین نسخه­های محتلف یک بدافزار استخراج نمود. براساس این ویژگی­ها در عمل نشان داده شد که با دقت بی­سابقه­ای می­توان بدافزارهای چندریختی را شناسایی نمود. کد دودویی اغلب بدافزارها به صورت بسته­بندی شده یا در اصطلاح پک­شده می­باشد. می­توان با استفاده از روش پیشنهادی خود تشابه بین فایل­هایی که توسط یک ابزار بسته­بندی یا در اصطلاح پک شده­اند را استخراج نمود.

ir - نویسنده مسئول، سعید پارسا<FootNote No="98" Text="( تاریخ دریافت: 16/03/1396 تاریخ پذیرش: 19/10/1396 چکیده در این مقاله استفاده از راه‌کاری مبتنی بر پردازش تصویر جهت شناسایی بدافزارهای چندریختی مطرح شده است. بررسی‌های ما بر روی شباهت تصویرهای تولیدشده از فایل‌ بدافزارهای چندریختی و در جهت ایجاد امکان تفکیک بین بدافزارها و فایل‌های معمولی انجام گرفته است. روش پیشنهادی ما براساس تصویرسازی بدافزار و استفاده از روش‌های پردازش تصویر در جهت شناسایی آن است. (رجوع شود به تصویر صفحه) شکل (3): تعیین محل بخش‌های فایل PE 3-2- دسته‌بندی بدافزارها ظهور ویروس‌های چندریختی یا در اصطلاح پلی‌مرفیک که قابلیت تغییر ساختار خود در نسل‌های مختلف را دارا می‌باشند، روش‌های مبتنی بر امضاء را ناکارآمد کرده است. بر این اساس می‌توان با ایجاد تصویر برای کد اجرایی بدافزارها و محاسبه تشابه بین تصاویر گردآوری‌شده، نسخه‌های مختلف یک بدافزار را شناسایی نمود. این فیلتر مقدار t(x,y) را بر می‌گرداند: (رجوع شود به تصویر صفحه) 3-4- انتخاب ویژگی ویژگی‌های تولیدشده توسط توصیف‌گر GIST برای هر تصویر شامل 512 خصوصیت است که در حجم بالای تصاویر موجب کاهش کارایی و سرعت پردازش اطلاعات می‌شود. روش شناسایی براساس تشابه تصاویر بر روی مجموعه‌ای حاوی 2398 نمونه که 1126 عدد نمونه بدافزار شامل چند دسته از نسخه‌های مختلف بدافزارهای چندریختی و 1272 عدد نمونه فایل معمولی مورد بررسی قرار گرفت و نتایج ذیل حاصل گردید. (رجوع شود به تصویر صفحه) شکل (11): نمودار نتایج ارزیابی 4- نتیجه‌گیری در این مقاله راه‌کاری مبتنی بر پردازش تصویر جهت شناسایی ویروس‌های چندریختی ارائه شده است.