網絡蠕蟲特征碼自動提取研究.pdf

1、在21世紀這個高度數字化和信息化的時代，互聯網已經與人們的日常工作和生活密不可分，然而互聯網卻并不是一個安全的環(huán)境，它時刻受到各種惡意軟件的威脅與侵害，其中傳播速度最快并且危害最廣的一種惡意軟件就是蠕蟲，因為蠕蟲具有其它惡意軟件沒有的能夠針對漏洞進行獨立攻擊與傳播擴散的特性，使得每次新蠕蟲的大規(guī)模爆發(fā)都給社會造成了巨大的經濟損失。入侵檢測系統的出現在一定程度上緩解了蠕蟲對互聯網的破壞，很多入侵檢測系統都是基于內容進行檢測的，會根據其特征

2、庫中存在的特征碼對蠕蟲進行檢測并控制，但大多入侵檢測系統對于新出現的或在其特征庫中沒有特征碼的蠕蟲的檢測能力十分有限。因此，針對蠕蟲特征碼提取技術的研究有著非常重要的價值和意義。
　　本研究分析了當前蠕蟲特征碼自動提取技術之后，針對其中效果較好的采用生物信息學中序列比對進行提取的方法進行了詳細對比分析，發(fā)現有些算法提取蠕蟲特征碼結果的準確性還有待提高，根據其中的不足進行了改進。經典的全局序列比對Needleman Wunsch（N

3、W）算法提取蠕蟲特征碼的結果偏向于全局策略，經常將局部連續(xù)的有效片段丟失。使用經典局部序列比對Smith Waterman（SW）算法提取蠕蟲特征碼的結果更傾向于局部策略，往往會遺漏全局信息。而針對SW算法改進后的Normalized Local Alignment（NLA）算法提取結果與原算法差別不明顯，針對NW算法改進后的Contiguous Substrings Rewarded（CSR）算法，能夠將具有一定局部連續(xù)性的特征碼提取

4、出來，但仍然對一些局部連續(xù)的特征碼不能很好的進行提取，并且效率也比基于局部的算法在回溯時候要低很多。本研究在SW算法基礎上增加了相鄰連續(xù)匹配字符的激勵函數和相鄰連續(xù)空位的懲罰函數，得到了結合全局與局部策略的Local Alignment with Global Strategy（LAGS）算法，使得改進后的方法具有局部算法的局部片段優(yōu)先和快速回溯的優(yōu)點，還具有全局算法的完整性。在最后通過實驗對LAGS算法與NW算法、SW算法、NLA算法