軟件脆弱性分析及其惡意代碼檢測技術研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、網絡信息時代,Internet已深入到人們工作、生活的方方面面,其安全問題引起了社會和學術界的廣泛關注。近年來,信息安全的核心問題之一就是存在于計算機系統(tǒng)中的軟件脆弱性和被廣泛使用的惡意代碼程序。惡意的攻擊者可以利用惡意代碼和安全脆弱性來提升權限,訪問未授權系統(tǒng)資源,甚至修改敏感數據。為保護系統(tǒng)和數據,如何盡可能地檢測出潛在的軟件脆弱性和惡意代碼已成為當今信息安全領域主流研究方向。 本文主要的工作也主要集中在這兩方面。在檢測軟件

2、脆弱性方面,本文先仔細研究了國外流行的靜態(tài)分析工具的機理,然后在此基礎上提出了一種基于數據融合的源代碼靜態(tài)分析技術,實現了可擴展的原型系統(tǒng)。該技術對現有靜態(tài)分析工具的分析結果來進行解析和數據融合。實驗結果表明,相對于單個源代碼檢測工具,該技術有效地降低了誤報率和漏報率。 在檢測惡意代碼方面,不同于基于特征碼的檢測技術,本文采用模型檢測和n-gram方法對二進制惡意代碼進行檢測。模型檢測的方法是先對普通惡意代碼形式化建模,生成迷惑

3、前的二進制惡意代碼的有限狀態(tài)機模型,再使用模型檢查器檢測迷惑二進制惡意代碼。如果迷惑二進制惡意代碼能被有限狀態(tài)機模型識別,可判定其為惡意代碼。實驗結果表明模型檢查迷惑二進制惡意代碼是一種有效的靜態(tài)分析方法,可以檢測出一些常用的迷惑惡意代碼?;趎-gram的方法是利用文本分析n-gram方法來統(tǒng)計惡意代碼指令出現頻率?;谶@些指令頻率,建立特征向量,然后利用支持向量機多類分類方法,對惡意代碼進行分類。從實驗結果可以看出,基于n-gram

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論