計算機(jī)病毒檢測技術(shù)探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了計算機(jī)病毒檢測技術(shù)探究范文，希望能給你帶來靈感和參考，敬請閱讀。

0引言

如今，信息互聯(lián)網(wǎng)的軟硬技術(shù)快速發(fā)展和應(yīng)用越來越廣，計算機(jī)病毒的危害也越來越嚴(yán)重。而日益泛濫的計算機(jī)病毒問題已成為全球信息安全的最嚴(yán)重威脅之一。同時因為加密和變形病毒等新型計算機(jī)病毒的出現(xiàn)，使得過去傳統(tǒng)的特征掃描法等反毒方式不再有效，研究新的反病毒方法已刻不容緩。廣大的網(wǎng)絡(luò)安全專家和計算機(jī)用戶對新型計算機(jī)病毒十分擔(dān)憂，目前計算機(jī)反病毒的技術(shù)也在不斷更新和提高中，卻未能改變反病毒技術(shù)落后和被動的局面。我們從互聯(lián)網(wǎng)上的幾款新型計算機(jī)病毒采用的技術(shù)和呈現(xiàn)的特點，可以看得出計算機(jī)病毒的攻擊和傳播方式隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和普及發(fā)生了翻天覆地的變化。目前計算機(jī)病毒的傳播途徑呈現(xiàn)多樣化，比如可以隱蔽附在郵件傳播、文件傳播、圖片傳播或視頻傳播等中，并隨時可能造成各種危害。

1目前計算機(jī)病毒發(fā)展的趨勢

隨著計算機(jī)軟件和網(wǎng)絡(luò)技術(shù)的發(fā)展，信息化時代的病毒又具有許多新的特點，傳播方式和功能也呈現(xiàn)多樣化，危害性更嚴(yán)重。計算機(jī)病毒的發(fā)展趨勢主要體現(xiàn)為：許多病毒已經(jīng)不再只利用一個漏洞來傳播病毒，而是通過兩個或兩個以上的系統(tǒng)漏洞和應(yīng)用軟件漏洞綜合利用來實現(xiàn)傳播；部分病毒的功能有類似于黑客程序，當(dāng)病毒入侵計算機(jī)系統(tǒng)后能夠控制并竊取其中的計算機(jī)信息，甚至進(jìn)行遠(yuǎn)程操控；有些病毒除了有傳播速度快和變種多的特點，還發(fā)展到能主動利用電子郵件等方式進(jìn)行傳播。通過以上新型計算機(jī)病毒呈現(xiàn)出來的發(fā)展趨勢和許多的新特征，可以了解到網(wǎng)絡(luò)和計算機(jī)安全的形勢依然十分嚴(yán)峻。

2計算機(jī)病毒的檢測技術(shù)

筆者運(yùn)用統(tǒng)計學(xué)習(xí)理論，對新計算機(jī)病毒的自動檢測技術(shù)進(jìn)行了研究，獲得了一些成果，下面來簡單介紹幾個方面的研究成果。

2.1利用集成神經(jīng)網(wǎng)絡(luò)作為模式識別器的病毒靜態(tài)檢測方法

根據(jù)Bagging算法得出IG-Bagging集成方法。IG-Bagging方法利用信息增益的特征選擇技術(shù)引入到集成神經(jīng)網(wǎng)絡(luò)中，并通過擾動訓(xùn)練數(shù)據(jù)及輸入屬性，放大個體網(wǎng)絡(luò)的差異度。實驗結(jié)果表明，IG-Bagging方法的泛化能力比Bagging方法更強(qiáng)，與AttributeBagging方法差不多，而效率大大優(yōu)于AttributeBagging方法。

2.2利用模糊識別技術(shù)的病毒動態(tài)檢測方法

該檢測系統(tǒng)利用符合某些特征域上的模糊集來區(qū)別是正常程序，還是病毒程序，一般使用“擇近原則”來進(jìn)行特征分類。通過利用這種新型模糊智能學(xué)習(xí)技術(shù)，該系統(tǒng)檢測準(zhǔn)確率達(dá)到90％以上。

2.3利用API函數(shù)調(diào)用短序為特征空間的自動檢測方法

受到正常程序的API調(diào)用序列有局部連續(xù)性的啟發(fā)，可以利用API函數(shù)調(diào)用短序為特征空間研究病毒自動檢測方法。在模擬檢測試驗中，這種應(yīng)用可以在檢測條件不足的情況下，保證有較高的檢測準(zhǔn)確率，這在病毒庫中缺少大量樣本特征的情況下仍然可行。測驗表明利用支持向量機(jī)的病毒動態(tài)檢測模可能有效地識別正常和病毒程序，只需少量的病毒樣本數(shù)據(jù)做訓(xùn)練，就能得到較高的檢測精準(zhǔn)確率。因為檢測過程中提取的是程序的行為信息，所以能有效地檢測到采用了加密、迷惑化和動態(tài)庫加載技術(shù)等新型計算機(jī)病毒。

2.4利用D-S證據(jù)理論的病毒動態(tài)與靜態(tài)相融合的新檢測方法

向量機(jī)作為成員分類器時，該檢測系統(tǒng)研究支持病毒的動態(tài)行為，再把概率神經(jīng)網(wǎng)絡(luò)作為成員分類器，此時為病毒的靜態(tài)行為建模，再利用D-S證據(jù)理論將各成員分類器的檢測結(jié)果融合。利用D-S證據(jù)理論進(jìn)行信息融合的關(guān)鍵就是證據(jù)信度值的確定。在對實際問題建模中，類之間的距離越大，可分性越強(qiáng)，分類效果越好，因此得出了利用類間距離測度的證據(jù)信度分配新病毒檢測方法。實驗測試表明該方法對未知和變形病毒的檢測都很有效，且性能優(yōu)于常用的商用反病毒工具軟件。

2.5多重樸素貝葉斯算法的病毒動態(tài)的檢測系統(tǒng)

該檢測系統(tǒng)在測試中先對目標(biāo)程序的行為進(jìn)行實時監(jiān)控，然后獲得目標(biāo)程序在與操作系統(tǒng)信息交互過程中所涉及到的API函數(shù)相關(guān)信息的特征并輸入檢測器，最后檢測器對樣本集進(jìn)行識別后就能對該可疑程序進(jìn)行自動檢測和殺毒，該法可以有效地檢測當(dāng)前越來越流行的變形病毒。3結(jié)語新型未知計算機(jī)病毒發(fā)展和變種速度驚人，而計算機(jī)病毒的預(yù)防和檢測方法不可能十全十美，出現(xiàn)一些新型的計算機(jī)病毒能夠突破計算機(jī)防御系統(tǒng)而感染系統(tǒng)的現(xiàn)象不可避免，故反計算機(jī)病毒工作始終面臨巨大的挑戰(zhàn)，需要不斷研究新的計算機(jī)病毒檢測方法來應(yīng)對。

作者：胡冬嚴(yán) 單位：吉林廣播電視大學(xué)遼源分校