基于深度学习和区块链的JavaScript恶意代码检测系统①

陈 鹏,韩 斌,洪华军

1(江苏科技大学 计算机学院,镇江 212000)

2(中国船舶科学研究中心 软件工程技术中心,无锡 214082)

1 引言

如今Web 已经深刻融入我们的生活中,为日常生活带来了诸多便利,我们随时可以通过手机或者电脑来访问各种网站,但同时这也给网络攻击者提供了大量的攻击机会.网络攻击者为了达到其目的,会将一些恶意的代码嵌入到网页中,造成了正常的互联网用户的个人信息的泄露和个人财产的损失等问题.

针对Web 安全问题,研究者们提出了不同的解决方法.恶意代码检测目前主要分为两大类,一种是基于代码文本及结构的静态检测方法,另一种是基于运行结果的分析的动态检测方法[1].毛蔚等[2]在分析进程访问行为异常度和相似度后,引入了恶意代码检测估计风险,并提出一种最小化估计风险实现主动学习的恶意代码检测方法;吴迪[3]针对Android 平台的恶意代码检测只关注应用的单方面的特征,提出了基于多类特征的Android 恶意代码检测技术;罗世奇等[4]提出使用恶意代码纹理指特征纹融合33 类恶意代码活动向量空间特征,利用栈式自编码(SAE)模型来完成恶意代码的分类;邓兆琨等[5]提出了一种动静结合的网络数据检测方法,在传统静态分析的基础上优化了检测算法,同时引入了动态模拟运行的检测方式;黄琨茗等[6]提出一种最长频繁序列挖掘算法,该方法提取样本文件的动态API 序列,并挖掘最长频繁序列集合构造词袋模……