基于线性特征集的非授权代码敏感路径检测

梁 涛，李毅成，段玉莹

(1.南昌大学抚州医学院，江西 抚州 344000；2.景德镇陶瓷大学，江西 景德镇 333403；3.山东理工大学 计算机科学与技术学院，山东 淄博 255000)

1 引言

由于系统应用具有开放性特点，因此，应用类软件会产生大量非授权代码[1]入侵，代码入侵到系统应用中会严重威胁系统安全。据权威调查结果显示，每天都存在将近百万的非授权代码被广泛传播。为防止非授权代码扰乱正常网络通信，需要检测并禁止代码传播，所以相关检测工作变得越来越重要。由于传统检测方法在检测非授权代码敏感路径方面存在一定难度，因此，非授权代码敏感路径检测方法成为新的研究热点。

王卫红[2]等人提出基于N-Gram与加权分类器集成的非授权代码检测系统，即网页恶意脚本代码的监测系统。使用V8引擎将恶意脚本编译成机器码，并利用变长N-Gram模型进行数据预处理，提取出特征样本训练集；对逻辑回归以及朴素贝叶斯等分类器组合建立分类模型，将多个经过训练集训练的分类模型集成，采取加权分类器集成的方式，对不同分类器设定权值。但是该系统的应用过程耗时较长。郑忠伟[3]等人提出了基于图结构与内存足迹分析的恶意应用检测方法。提取应用请求所需的共生权限，将得到的权限结构建立成图结构，并利用图内的度量指标分析图的分类规律及其中心权限，通过中心权限数值选取可以描述各类型攻击的最优指标；利用计算获得是应用隐私与风险阈值，检测各种恶意软件或恶意行为。……