一種基于粒子群的變形病毒檢測算法

朱俚治

【 摘 要 】 惡意代碼行為捕獲是進(jìn)行惡意代碼行為分析，提高防御惡意代碼能力的基礎(chǔ)。當(dāng)前，隨著惡意代碼技術(shù)的發(fā)展，惡意代碼結(jié)構(gòu)及其通信活動(dòng)日益復(fù)雜，使得傳統(tǒng)的惡意代碼行為捕獲技術(shù)難以有效應(yīng)對惡意代碼的攻擊與破壞。如何更加有效地捕獲惡意代碼行為成了目前信息安全領(lǐng)域的研究熱點(diǎn)?；诖四康模疚脑诔浞掷肁gent的自主性和適應(yīng)性，實(shí)時(shí)采集目標(biāo)系統(tǒng)的狀態(tài)信息的基礎(chǔ)上，提出了一種基于多Agent的惡意代碼行為捕獲方案，分析了其行為捕獲流程，介紹了功能模塊組成，并基于Windows平臺實(shí)現(xiàn)了該方案，為下一步針對惡意代碼分析及防御提供了良好的基礎(chǔ)。

【 關(guān)鍵詞 】 惡意代碼；多智能體；行為捕獲；行為知識庫

【 中圖分類號 】 TP393.08 【 文獻(xiàn)標(biāo)識碼 】 A

1 引言

現(xiàn)有行為捕獲系統(tǒng)往往采用多種手段來捕獲惡意代碼行為。例如Windows上的文件讀寫類系統(tǒng)調(diào)用可以直接使用API HOOK來捕獲，也可以通過文件系統(tǒng)驅(qū)動(dòng)來捕獲。不管行為捕獲系統(tǒng)怎樣實(shí)現(xiàn)，最終表現(xiàn)形式都是如實(shí)地詳細(xì)記錄惡意代碼的主要調(diào)用行為。同時(shí)行為檢測技術(shù)已是網(wǎng)絡(luò)安全領(lǐng)域的重要研究對象，成為了網(wǎng)絡(luò)研究體系中不可或缺的一部分。

目前已有一些基于主機(jī)或基于網(wǎng)絡(luò)的行為捕獲技術(shù)，并通過仿真實(shí)驗(yàn)及實(shí)際應(yīng)用中證實(shí)了其有效性?，F(xiàn)階段應(yīng)用比較廣泛的行為捕獲工具都是由國外研究機(jī)構(gòu)所開發(fā)，如Nepenthes、ManTrsq、KFSensor、honeyd、DTK、Process Monitor、pymon.py、Ether等，其中具有代表性的為Nepenthes、Process monitor、 Ether三款工具。

Nepenthes由德國人Markus Koetter和Paul Baecher等人所開發(fā)。此工具設(shè)計(jì)的基本思想是借助對存有漏洞的網(wǎng)絡(luò)服務(wù)進(jìn)行模擬，通過建立一個(gè)低交互式的蜜罐，使正在網(wǎng)絡(luò)中傳播的惡意代碼與之產(chǎn)生交互，利用兩者之間的交互進(jìn)一步分析掌握惡意代碼的詳細(xì)信息，包括感染源位置等。以此實(shí)現(xiàn)對惡意代碼的自動(dòng)化捕獲與收集工作。Nepenthes工具的不足是無法捕獲對未知漏洞進(jìn)行攻擊的惡意代碼；一旦有新的漏洞，就需要對其進(jìn)行模擬，極大地增加了工作量；同樣，其對惡意代碼類型及數(shù)量的捕獲與收集也受限于對網(wǎng)絡(luò)服務(wù)已知漏洞模擬的數(shù)量與質(zhì)量。

Process Monitor（進(jìn)程監(jiān)視器）是一個(gè)Windows下的高級監(jiān)視工具，可以實(shí)時(shí)顯示文件系統(tǒng)、注冊表和進(jìn)程/線程的活動(dòng)。它將Sysinternals以前的兩個(gè)實(shí)用程序Filemon（文件監(jiān)視器）和Regmon（注冊表監(jiān)視器）結(jié)合在一起，并且添加了大量的改進(jìn)功能，包括豐富的非破壞性的過濾器，全面的事件屬性，如會話ID和用戶名，可靠的進(jìn)程信息，對每個(gè)操作帶有集成的調(diào)試符號支持的完整線程堆棧，同步記錄日志文件等等。Process Monitor獨(dú)特的強(qiáng)大功能將使它成為用戶在系統(tǒng)故障排除和惡意軟件查殺中使用的核心實(shí)用程序。

Ether惡意軟件分析工具通過硬件虛擬化擴(kuò)展，提出了基于硬件虛擬化的惡意代碼分析框架。Ether通過Xen虛擬機(jī)能夠獲得比客戶操作系統(tǒng)更加高的系統(tǒng)權(quán)限，使其能夠監(jiān)測到所有執(zhí)行的指令、存儲器寫入、操作系統(tǒng)運(yùn)行環(huán)境、系統(tǒng)調(diào)用、甚至能夠限制指定進(jìn)程對系統(tǒng)屬性的訪問。當(dāng)客戶端代碼執(zhí)行時(shí)，通過設(shè)置CPU trap陷阱標(biāo)志可以監(jiān)控指令的執(zhí)行，導(dǎo)致每條機(jī)器指令執(zhí)行后的調(diào)試異常。然而，Ether能夠記錄并追蹤客戶操作系統(tǒng)執(zhí)行的每條機(jī)器指令和被監(jiān)控的進(jìn)程。通過這些調(diào)試信息和監(jiān)控信息，分析人員能夠更好地甄別惡意代碼。

上述惡意代碼捕獲技術(shù)大多是針對單一數(shù)據(jù)源的，無法全面獲取監(jiān)測對象的信息，從而導(dǎo)致行為檢測的漏報(bào)率和誤報(bào)率較高。一般來說，此類行為捕獲系統(tǒng)的行為捕獲模塊往往作為一個(gè)組件存在，只負(fù)責(zé)記錄惡意代碼行為，缺少自主分析判斷能力，導(dǎo)致捕獲的行為數(shù)據(jù)存在較大的噪音，為后期處理行為數(shù)據(jù)和提取惡意代碼行為特征增加了難度。針對該問題，本文提出了一種基于多Agent的惡意代碼捕獲方案，該方案采用Agent的形式來實(shí)現(xiàn)惡意代碼行為捕獲模塊，賦予其一定的自主決策能力，通過多Agent協(xié)同來去除部分行為噪聲數(shù)據(jù)，從而提高惡意代碼行為捕獲效率。

2 行為捕獲原型系統(tǒng)體系結(jié)構(gòu)

本文提出的多Agent惡意代碼行為捕獲方案，其基本思想是：在惡意代碼行為捕獲系統(tǒng)主機(jī)上部署采集Agent和管理Agent，其中采集Agent主要用于捕獲惡意代碼行為數(shù)據(jù)，管理Agent主要用于協(xié)調(diào)各個(gè)采集Agent工作，收集并處理捕獲的行為數(shù)據(jù)。通過采集Agent來感知系統(tǒng)中注冊表操作、文件操作、部署調(diào)用工具、連接指定站點(diǎn)、隱藏活動(dòng)界面、操作其它進(jìn)程、瀏覽器劫持以及惡意收集信息等行為，并通過管理Agent構(gòu)建的惡意代碼多維行為庫及可疑樣本行為矩陣進(jìn)行相似度匹配，從而為進(jìn)一步甄別和捕獲惡意代碼行為提供了具體數(shù)據(jù)。如圖1所示。

行為捕獲的過程需要調(diào)用眾多系統(tǒng)模塊的參與，包括基于多Agent的信息采集模塊，基于規(guī)則匹配的發(fā)現(xiàn)模塊。行為捕獲按階段分為四個(gè)部分，包括采集階段、發(fā)現(xiàn)階段、處理階段和捕獲階段，其工作流程如圖2所示。

（1） 采集階段。采集階段的主體是基于多Agent系統(tǒng)的采集Agent，實(shí)時(shí)采集CPU、內(nèi)存、網(wǎng)絡(luò)流量、端口、注冊表以及進(jìn)程的變化信息，并將結(jié)果實(shí)時(shí)反饋給管理Agent，由其處理模塊進(jìn)行整理、分析。

（2）發(fā)現(xiàn)階段。發(fā)現(xiàn)階段要借助于管理Agent的信息處理模塊，將樣本的行為構(gòu)建行為矩陣，計(jì)算其行為相似度，并與規(guī)則庫中已知惡意行為進(jìn)行匹配對比，篩查惡意行為。

（3）處理階段。處理階段同樣要借助于管理Agent的信息處理模塊，信息處理模塊鎖定惡意行為，并將采集階段上報(bào)的此惡意行為的行為信息抽出、鎖定，將結(jié)果進(jìn)行反饋。endprint

（4）捕獲階段。捕獲階段是對處理階段反饋的行為進(jìn)行捕獲而實(shí)施的各種操作，包括調(diào)用程序進(jìn)行記錄（比如系統(tǒng)日志、網(wǎng)絡(luò)流量流向和內(nèi)容、CPU和內(nèi)存等系統(tǒng)資源的變化情況、端口開放情況、注冊表修改記錄、進(jìn)程開啟和關(guān)閉情況等），對以上記錄數(shù)據(jù)情況的分析，按照多維特征描述法對其進(jìn)行描述，將之充實(shí)到行為特征庫。

3 模塊功能介紹

系統(tǒng)按實(shí)現(xiàn)方式可劃分為信息采集子系統(tǒng)、行為匹配子系統(tǒng)、行為捕獲子系統(tǒng)以及數(shù)據(jù)庫子系統(tǒng)。信息采集功能由采集Agent完成，行為匹配及捕獲功能由管理Agent完成。如圖3所示。

3.1 信息采集子系統(tǒng)

信息采集子系統(tǒng)的核心是系統(tǒng)行為的監(jiān)控，采集多Agent的惡意代碼行為捕獲技術(shù)。

信息采集子系統(tǒng)是本系統(tǒng)的基礎(chǔ)模塊，為行為捕獲提供數(shù)據(jù)來源，并保證數(shù)據(jù)的真實(shí)性和實(shí)時(shí)性。系統(tǒng)監(jiān)控子系統(tǒng)由多個(gè)采集監(jiān)控Agent組成，有管理Agent統(tǒng)一負(fù)責(zé)初始化和操作控制，下設(shè)CPU信息采集模塊、文件信息采集模塊、進(jìn)程信息采集模塊、網(wǎng)絡(luò)信息采集模塊、注冊表信息采集模塊以及內(nèi)存信息采集模塊，分別對應(yīng)并實(shí)現(xiàn)相應(yīng)的采集Agent功能。這些功能模塊將收集的信息實(shí)時(shí)反饋給行為匹配子系統(tǒng)中的數(shù)據(jù)分析模塊，由其區(qū)別并鎖定其中的異常狀態(tài)信息，并將結(jié)果反饋給行為捕獲子系統(tǒng)。

3.2 匹配推理子系統(tǒng)

匹配推理子系統(tǒng)是整個(gè)系統(tǒng)的關(guān)鍵，負(fù)責(zé)對信息采集子系統(tǒng)返回的信息進(jìn)行處理，從中發(fā)現(xiàn)惡意行為。

匹配推理子系統(tǒng)有：行為提取模塊、相似度計(jì)算模塊、規(guī)則匹配模塊及數(shù)據(jù)分析模塊。其中行為提取模塊基于IDA工具提取檢測樣本的行為并構(gòu)建樣本行為矩陣；相似度計(jì)算模塊計(jì)算矩陣相似度；規(guī)則匹配模塊負(fù)責(zé)將樣本相似度與數(shù)據(jù)庫中惡意代碼的相似度進(jìn)行匹配對比，確定可疑行為；數(shù)據(jù)分析模塊負(fù)責(zé)確定的惡定行為信息進(jìn)行篩選，將結(jié)果反饋至行為捕獲子系統(tǒng)。

3.3 行為捕獲子系統(tǒng)

行為捕獲子系統(tǒng)是整個(gè)系統(tǒng)的實(shí)現(xiàn)核心，負(fù)責(zé)接收匹配推理子系統(tǒng)確定的惡意行為并進(jìn)行捕獲。包括捕獲記錄模塊和分析模塊。捕獲記錄模塊負(fù)責(zé)對某一待捕獲的行為進(jìn)行記錄，包括其運(yùn)行時(shí)間段，產(chǎn)生的系統(tǒng)資源變化等；分析模塊是針對某一行為進(jìn)行的后期分析，進(jìn)一步確定其是否為惡意行為。

行為捕獲子系統(tǒng)捕獲惡意行為后，如果是因?yàn)槠ヅ涠鴶喽ㄊ菒阂庑袨榈?，將該代碼及行為特征記錄入數(shù)據(jù)庫；如果是因?yàn)轭A(yù)測或者外界專家干預(yù)而斷定為惡意行為的，則還需要更新惡意代碼行為特征庫。

3.4 數(shù)據(jù)庫子系統(tǒng)

數(shù)據(jù)庫子系統(tǒng)是系統(tǒng)的數(shù)據(jù)存儲中轉(zhuǎn)中心，負(fù)責(zé)存儲各種數(shù)據(jù)，包括已知的惡意代碼特征和匹配規(guī)則，實(shí)時(shí)的系統(tǒng)狀態(tài)監(jiān)控信息，系統(tǒng)運(yùn)行日志，匹配分析過程中產(chǎn)生的結(jié)果等。

4 系統(tǒng)實(shí)現(xiàn)

4.1 實(shí)現(xiàn)平臺

本平臺采用Windows XP操作系統(tǒng)，結(jié)合了 Microsoft Jet Database Engine 和 Microsoft SQL Server數(shù)據(jù)庫，使用基于Visual studio 2008平臺的C++語言開發(fā)環(huán)境。在某局域網(wǎng)中選定三臺計(jì)算機(jī)來搭建實(shí)驗(yàn)環(huán)境：一臺FTP服務(wù)器A（安裝配置采集Agent，監(jiān)控其CPU和內(nèi)存狀況）、第二臺為隨機(jī)選取網(wǎng)絡(luò)客戶機(jī)B（安裝配置采集Agent，監(jiān)控其網(wǎng)絡(luò)流量數(shù)據(jù)）、第三臺為安裝管理Agent客戶機(jī)C。如圖4所示。

4.2 類圖分析

系統(tǒng)基于面向?qū)ο缶幊虒?shí)現(xiàn)，由多個(gè)類構(gòu)成，如圖5所示，不同的子系統(tǒng)或者功能模塊由不同的類來實(shí)現(xiàn)，類中封裝其需要的數(shù)據(jù)以及操作的函數(shù)。

（1）Main類。Main類是主界面類，構(gòu)成系統(tǒng)的主界面，同時(shí)啟動(dòng)其他子系統(tǒng)類，包括SystemSupervise類（系統(tǒng)監(jiān)控子系統(tǒng)），MatchDeduce類（匹配推理子系統(tǒng)），CaptureAnalyze類（捕獲分析子系統(tǒng)）以及DataBaseManage類（數(shù)據(jù)庫管理子系統(tǒng)）。

（2）SystemSupervise類。SystemSupervise類是監(jiān)控子系統(tǒng)類，負(fù)責(zé)系統(tǒng)狀態(tài)的監(jiān)控，分別由CPU、Ram、Net、Port、Regdit、Document、Process這七個(gè)類完成7個(gè)監(jiān)控任務(wù)，類圖如圖6所示。

其中，SystemSupervise類完成監(jiān)控中心的功能，包括初始化、更新和結(jié)束監(jiān)控。其余類完成監(jiān)控任務(wù)，分別對CPU、內(nèi)存、網(wǎng)絡(luò)流量、端口、注冊表、文件、進(jìn)程進(jìn)行監(jiān)控和處理。

（3）MatchDeduce類。MatchDeduce類是匹配推理子系統(tǒng)的實(shí)現(xiàn)類，完成匹配和推理兩大任務(wù)。主要的操作對象是數(shù)據(jù)集（DataSet）。在規(guī)則匹配中，主要完成的工作包括規(guī)則選取、規(guī)則匹配；在推理中，首先要對得到的數(shù)據(jù)集進(jìn)行數(shù)據(jù)挖掘，從中得出有用信息，在此基礎(chǔ)上進(jìn)行推理分析。

（4）CaptureAnalyze類。CaptureAnalyze類是捕獲分析子系統(tǒng)的實(shí)現(xiàn)類，完成捕獲和分析兩大任務(wù)，將運(yùn)行結(jié)果實(shí)時(shí)記錄到系統(tǒng)日志中。實(shí)施捕獲時(shí)，需要初始化行為捕獲相關(guān)程序、插件、打開記錄文件等；分析過程需要系統(tǒng)的實(shí)時(shí)記錄，包括產(chǎn)生的中間數(shù)據(jù)和最終結(jié)果。

（5）DatabaseManage類。DatabaseManage類是數(shù)據(jù)庫子系統(tǒng)的實(shí)現(xiàn)類，完成針對數(shù)據(jù)庫系統(tǒng)的操作和管理任務(wù)。操作對象是多源數(shù)據(jù)庫中的多張表，完成的功能包括數(shù)據(jù)的插入、刪除、更新、查找等。

4.3 數(shù)據(jù)庫建立

數(shù)據(jù)庫子系統(tǒng)主要包括系統(tǒng)調(diào)用序列文件數(shù)據(jù)庫、惡意代碼多維特征描述數(shù)據(jù)庫、惡意代碼行為數(shù)據(jù)庫、系統(tǒng)環(huán)境描述數(shù)據(jù)庫、替換操作數(shù)據(jù)庫等五個(gè)部分。如圖7所示。

（1）系統(tǒng)函數(shù)調(diào)用序列。使用IDA軟件分析得到函數(shù)調(diào)用圖，通過IDA插件編程得到系統(tǒng)函數(shù)調(diào)用序列。如表1所示。endprint

（2）惡意代碼多維特征描述表。惡意代碼多維特征描述主要包含惡意代碼編號、惡意代碼名稱，各個(gè)系統(tǒng)調(diào)用發(fā)生時(shí)的時(shí)間、所依賴的系統(tǒng)調(diào)用、依賴的類型（數(shù)據(jù)依賴、控制依賴）、產(chǎn)生的下一個(gè)系統(tǒng)調(diào)用的名稱等信息。如表2所示。

（3）等價(jià)替換操作表。為了規(guī)避惡意代碼靜態(tài)分析的檢測，很多軟件使用等價(jià)替換操作，如將文件映射到內(nèi)存中再讀取內(nèi)存數(shù)據(jù)的方式和直接讀取文件數(shù)據(jù)的操作就是一種等價(jià)替換。通過建立更新等價(jià)替換庫，能有效降低系統(tǒng)調(diào)用序列匹配的干擾。

等價(jià)替換操作庫主要是依據(jù)系統(tǒng)調(diào)用類別來區(qū)分。如文件操作中的讀文件 “CreateFile→ReadFile”和“CreateFile→CreateFileMapping→MapViewOfFile”

4 惡意代碼行為描述表

刻畫某一時(shí)刻惡意代碼具體行為，包含CPU使用率的變化，內(nèi)存占用率的變化，網(wǎng)絡(luò)流量的變化，開放端口的變化，注冊表變化、進(jìn)程變化等。

（5）系統(tǒng)環(huán)境變化表。刻畫惡意代碼行為導(dǎo)致的系統(tǒng)環(huán)境變化，具體包含當(dāng)前CPU的使用率、內(nèi)存的占用率、網(wǎng)絡(luò)流量、開放的端口、注冊表信息以及啟動(dòng)的進(jìn)程等。

4.4 系統(tǒng)實(shí)現(xiàn)

如圖8所示為系統(tǒng)的啟動(dòng)界面，此界面下可直接啟動(dòng)三個(gè)相關(guān)聯(lián)的子系統(tǒng)，分別是系統(tǒng)監(jiān)控子系統(tǒng)、匹配推理子系統(tǒng)、以及捕獲分析子系統(tǒng)。

信息監(jiān)控子系統(tǒng)運(yùn)行如圖9所示。通過此界面可以設(shè)置查詢間隔，選擇采集Agent進(jìn)行狀態(tài)查看。信息顯示窗口可以顯示目前系統(tǒng)的運(yùn)行信息，以及手動(dòng)的查詢結(jié)果。左下角的“動(dòng)態(tài)變化指標(biāo)”欄，可直觀顯示當(dāng)前CPU、內(nèi)存以及網(wǎng)絡(luò)流量的使用情況。

捕獲分析子系統(tǒng)如圖10所示。通過此界面可以設(shè)置捕獲過程的參數(shù)。通過信息窗口動(dòng)態(tài)展示系統(tǒng)的運(yùn)行情況和狀態(tài)信息。

5 結(jié)束語

本文基于多Agent協(xié)同處理技術(shù)設(shè)計(jì)開發(fā)了惡意代碼行為捕獲原型系統(tǒng)，通過多維惡意代碼庫對被捕獲的目標(biāo)行為進(jìn)行了詳細(xì)的描述和記錄。實(shí)驗(yàn)證明，該方案可以清楚地描述惡意代碼在CPU、內(nèi)存和流量等方面的多種行為特征，為進(jìn)一步分析和防范惡意行為提供數(shù)據(jù)支持，同時(shí)通過管理Agent動(dòng)態(tài)建立及維護(hù)的惡意代碼庫，可以支持新型、變種和隱藏類惡意代碼的進(jìn)一步檢測分析。該方案的設(shè)計(jì)與實(shí)現(xiàn)對于提高信息系統(tǒng)及網(wǎng)絡(luò)的惡意代碼防范能力具有較大的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Rieck K， Trinius P， Willems C， et al. Automatic analysis of malware behavior using machine learning[J]. Journal of Computer Security， 2011， 19（4）： 639-668.

[2] Baecher P， Koetter M， Holz T， et al. The nepenthes platform： An efficient approach to collect malware[C]//Recent Advances in Intrusion Detection. Springer Berlin Heidelberg， 2006： 165-184.

[3] 方志鶴.惡意代碼分類的研究與實(shí)現(xiàn)[D].國防科學(xué)技術(shù)大學(xué)，2011.

[4] 曹瑩，劉家辰，苗啟廣等.AdaBoost 惡意程序行為檢測新算法[J].西安電子科技大學(xué)學(xué)報(bào)，2013， 40（6）： 116-124.

[5] 燕發(fā)文，黃敏，王中飛.基于BF算法的網(wǎng)絡(luò)異常流量行為檢測[J].計(jì)算機(jī)工程，2013， 39（7）： 165-168，172.

[6] 王新志， 孫樂昌， 張旻，等.基于序列模式發(fā)現(xiàn)的惡意行為檢測方法[J].計(jì)算機(jī)工程，2011， 37（24）： 1-3.

[7] Ligh M， Adair S， Hartstein B， et al. Malware Analyst's Cookbook and DVD： Tools and Techniques for Fighting Malicious Code[M]. Wiley Publishing， 2010.

[8] 朱映映，吳錦鋒，明仲.基于網(wǎng)絡(luò)事件和深度協(xié)議分析的入侵檢測研究[J].通信學(xué)報(bào)，2011， 32（8）： 171-178.

作者簡介：

孫志峰（1978-），男，河北冀州人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

趙文濤（1973-），男，內(nèi)蒙古涼城人，國防科大計(jì)算機(jī)學(xué)院，博士，現(xiàn)任國防科大計(jì)算機(jī)學(xué)院教研室主任，教授，碩士生導(dǎo)師；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

游超（1984-），男，湖南寧鄉(xiāng)人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

董彬（1992-），男，山西臨汾人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。endprint

（2）惡意代碼多維特征描述表。惡意代碼多維特征描述主要包含惡意代碼編號、惡意代碼名稱，各個(gè)系統(tǒng)調(diào)用發(fā)生時(shí)的時(shí)間、所依賴的系統(tǒng)調(diào)用、依賴的類型（數(shù)據(jù)依賴、控制依賴）、產(chǎn)生的下一個(gè)系統(tǒng)調(diào)用的名稱等信息。如表2所示。

（3）等價(jià)替換操作表。為了規(guī)避惡意代碼靜態(tài)分析的檢測，很多軟件使用等價(jià)替換操作，如將文件映射到內(nèi)存中再讀取內(nèi)存數(shù)據(jù)的方式和直接讀取文件數(shù)據(jù)的操作就是一種等價(jià)替換。通過建立更新等價(jià)替換庫，能有效降低系統(tǒng)調(diào)用序列匹配的干擾。

等價(jià)替換操作庫主要是依據(jù)系統(tǒng)調(diào)用類別來區(qū)分。如文件操作中的讀文件 “CreateFile→ReadFile”和“CreateFile→CreateFileMapping→MapViewOfFile”

4 惡意代碼行為描述表

刻畫某一時(shí)刻惡意代碼具體行為，包含CPU使用率的變化，內(nèi)存占用率的變化，網(wǎng)絡(luò)流量的變化，開放端口的變化，注冊表變化、進(jìn)程變化等。

（5）系統(tǒng)環(huán)境變化表。刻畫惡意代碼行為導(dǎo)致的系統(tǒng)環(huán)境變化，具體包含當(dāng)前CPU的使用率、內(nèi)存的占用率、網(wǎng)絡(luò)流量、開放的端口、注冊表信息以及啟動(dòng)的進(jìn)程等。

4.4 系統(tǒng)實(shí)現(xiàn)

如圖8所示為系統(tǒng)的啟動(dòng)界面，此界面下可直接啟動(dòng)三個(gè)相關(guān)聯(lián)的子系統(tǒng)，分別是系統(tǒng)監(jiān)控子系統(tǒng)、匹配推理子系統(tǒng)、以及捕獲分析子系統(tǒng)。

信息監(jiān)控子系統(tǒng)運(yùn)行如圖9所示。通過此界面可以設(shè)置查詢間隔，選擇采集Agent進(jìn)行狀態(tài)查看。信息顯示窗口可以顯示目前系統(tǒng)的運(yùn)行信息，以及手動(dòng)的查詢結(jié)果。左下角的“動(dòng)態(tài)變化指標(biāo)”欄，可直觀顯示當(dāng)前CPU、內(nèi)存以及網(wǎng)絡(luò)流量的使用情況。

捕獲分析子系統(tǒng)如圖10所示。通過此界面可以設(shè)置捕獲過程的參數(shù)。通過信息窗口動(dòng)態(tài)展示系統(tǒng)的運(yùn)行情況和狀態(tài)信息。

5 結(jié)束語

本文基于多Agent協(xié)同處理技術(shù)設(shè)計(jì)開發(fā)了惡意代碼行為捕獲原型系統(tǒng)，通過多維惡意代碼庫對被捕獲的目標(biāo)行為進(jìn)行了詳細(xì)的描述和記錄。實(shí)驗(yàn)證明，該方案可以清楚地描述惡意代碼在CPU、內(nèi)存和流量等方面的多種行為特征，為進(jìn)一步分析和防范惡意行為提供數(shù)據(jù)支持，同時(shí)通過管理Agent動(dòng)態(tài)建立及維護(hù)的惡意代碼庫，可以支持新型、變種和隱藏類惡意代碼的進(jìn)一步檢測分析。該方案的設(shè)計(jì)與實(shí)現(xiàn)對于提高信息系統(tǒng)及網(wǎng)絡(luò)的惡意代碼防范能力具有較大的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Rieck K， Trinius P， Willems C， et al. Automatic analysis of malware behavior using machine learning[J]. Journal of Computer Security， 2011， 19（4）： 639-668.

[2] Baecher P， Koetter M， Holz T， et al. The nepenthes platform： An efficient approach to collect malware[C]//Recent Advances in Intrusion Detection. Springer Berlin Heidelberg， 2006： 165-184.

[3] 方志鶴.惡意代碼分類的研究與實(shí)現(xiàn)[D].國防科學(xué)技術(shù)大學(xué)，2011.

[4] 曹瑩，劉家辰，苗啟廣等.AdaBoost 惡意程序行為檢測新算法[J].西安電子科技大學(xué)學(xué)報(bào)，2013， 40（6）： 116-124.

[5] 燕發(fā)文，黃敏，王中飛.基于BF算法的網(wǎng)絡(luò)異常流量行為檢測[J].計(jì)算機(jī)工程，2013， 39（7）： 165-168，172.

[6] 王新志， 孫樂昌， 張旻，等.基于序列模式發(fā)現(xiàn)的惡意行為檢測方法[J].計(jì)算機(jī)工程，2011， 37（24）： 1-3.

[7] Ligh M， Adair S， Hartstein B， et al. Malware Analyst's Cookbook and DVD： Tools and Techniques for Fighting Malicious Code[M]. Wiley Publishing， 2010.

[8] 朱映映，吳錦鋒，明仲.基于網(wǎng)絡(luò)事件和深度協(xié)議分析的入侵檢測研究[J].通信學(xué)報(bào)，2011， 32（8）： 171-178.

作者簡介：

孫志峰（1978-），男，河北冀州人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

趙文濤（1973-），男，內(nèi)蒙古涼城人，國防科大計(jì)算機(jī)學(xué)院，博士，現(xiàn)任國防科大計(jì)算機(jī)學(xué)院教研室主任，教授，碩士生導(dǎo)師；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

游超（1984-），男，湖南寧鄉(xiāng)人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

董彬（1992-），男，山西臨汾人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。endprint

（2）惡意代碼多維特征描述表。惡意代碼多維特征描述主要包含惡意代碼編號、惡意代碼名稱，各個(gè)系統(tǒng)調(diào)用發(fā)生時(shí)的時(shí)間、所依賴的系統(tǒng)調(diào)用、依賴的類型（數(shù)據(jù)依賴、控制依賴）、產(chǎn)生的下一個(gè)系統(tǒng)調(diào)用的名稱等信息。如表2所示。

（3）等價(jià)替換操作表。為了規(guī)避惡意代碼靜態(tài)分析的檢測，很多軟件使用等價(jià)替換操作，如將文件映射到內(nèi)存中再讀取內(nèi)存數(shù)據(jù)的方式和直接讀取文件數(shù)據(jù)的操作就是一種等價(jià)替換。通過建立更新等價(jià)替換庫，能有效降低系統(tǒng)調(diào)用序列匹配的干擾。

等價(jià)替換操作庫主要是依據(jù)系統(tǒng)調(diào)用類別來區(qū)分。如文件操作中的讀文件 “CreateFile→ReadFile”和“CreateFile→CreateFileMapping→MapViewOfFile”

4 惡意代碼行為描述表

刻畫某一時(shí)刻惡意代碼具體行為，包含CPU使用率的變化，內(nèi)存占用率的變化，網(wǎng)絡(luò)流量的變化，開放端口的變化，注冊表變化、進(jìn)程變化等。

（5）系統(tǒng)環(huán)境變化表?？坍嫄阂獯a行為導(dǎo)致的系統(tǒng)環(huán)境變化，具體包含當(dāng)前CPU的使用率、內(nèi)存的占用率、網(wǎng)絡(luò)流量、開放的端口、注冊表信息以及啟動(dòng)的進(jìn)程等。

4.4 系統(tǒng)實(shí)現(xiàn)

如圖8所示為系統(tǒng)的啟動(dòng)界面，此界面下可直接啟動(dòng)三個(gè)相關(guān)聯(lián)的子系統(tǒng)，分別是系統(tǒng)監(jiān)控子系統(tǒng)、匹配推理子系統(tǒng)、以及捕獲分析子系統(tǒng)。

信息監(jiān)控子系統(tǒng)運(yùn)行如圖9所示。通過此界面可以設(shè)置查詢間隔，選擇采集Agent進(jìn)行狀態(tài)查看。信息顯示窗口可以顯示目前系統(tǒng)的運(yùn)行信息，以及手動(dòng)的查詢結(jié)果。左下角的“動(dòng)態(tài)變化指標(biāo)”欄，可直觀顯示當(dāng)前CPU、內(nèi)存以及網(wǎng)絡(luò)流量的使用情況。

捕獲分析子系統(tǒng)如圖10所示。通過此界面可以設(shè)置捕獲過程的參數(shù)。通過信息窗口動(dòng)態(tài)展示系統(tǒng)的運(yùn)行情況和狀態(tài)信息。

5 結(jié)束語

本文基于多Agent協(xié)同處理技術(shù)設(shè)計(jì)開發(fā)了惡意代碼行為捕獲原型系統(tǒng)，通過多維惡意代碼庫對被捕獲的目標(biāo)行為進(jìn)行了詳細(xì)的描述和記錄。實(shí)驗(yàn)證明，該方案可以清楚地描述惡意代碼在CPU、內(nèi)存和流量等方面的多種行為特征，為進(jìn)一步分析和防范惡意行為提供數(shù)據(jù)支持，同時(shí)通過管理Agent動(dòng)態(tài)建立及維護(hù)的惡意代碼庫，可以支持新型、變種和隱藏類惡意代碼的進(jìn)一步檢測分析。該方案的設(shè)計(jì)與實(shí)現(xiàn)對于提高信息系統(tǒng)及網(wǎng)絡(luò)的惡意代碼防范能力具有較大的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] Rieck K， Trinius P， Willems C， et al. Automatic analysis of malware behavior using machine learning[J]. Journal of Computer Security， 2011， 19（4）： 639-668.

[2] Baecher P， Koetter M， Holz T， et al. The nepenthes platform： An efficient approach to collect malware[C]//Recent Advances in Intrusion Detection. Springer Berlin Heidelberg， 2006： 165-184.

[3] 方志鶴.惡意代碼分類的研究與實(shí)現(xiàn)[D].國防科學(xué)技術(shù)大學(xué)，2011.

[4] 曹瑩，劉家辰，苗啟廣等.AdaBoost 惡意程序行為檢測新算法[J].西安電子科技大學(xué)學(xué)報(bào)，2013， 40（6）： 116-124.

[5] 燕發(fā)文，黃敏，王中飛.基于BF算法的網(wǎng)絡(luò)異常流量行為檢測[J].計(jì)算機(jī)工程，2013， 39（7）： 165-168，172.

[6] 王新志， 孫樂昌， 張旻，等.基于序列模式發(fā)現(xiàn)的惡意行為檢測方法[J].計(jì)算機(jī)工程，2011， 37（24）： 1-3.

[7] Ligh M， Adair S， Hartstein B， et al. Malware Analyst's Cookbook and DVD： Tools and Techniques for Fighting Malicious Code[M]. Wiley Publishing， 2010.

[8] 朱映映，吳錦鋒，明仲.基于網(wǎng)絡(luò)事件和深度協(xié)議分析的入侵檢測研究[J].通信學(xué)報(bào)，2011， 32（8）： 171-178.

作者簡介：

孫志峰（1978-），男，河北冀州人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

趙文濤（1973-），男，內(nèi)蒙古涼城人，國防科大計(jì)算機(jī)學(xué)院，博士，現(xiàn)任國防科大計(jì)算機(jī)學(xué)院教研室主任，教授，碩士生導(dǎo)師；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

游超（1984-），男，湖南寧鄉(xiāng)人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。

董彬（1992-），男，山西臨汾人，國防科大碩士在讀；主要研究方向和關(guān)注領(lǐng)域：網(wǎng)絡(luò)安全。endprint