揭开宙斯的面纱：恶意软件样本的自动分类

恶意软件家族分类是一个由来已久的问题，许多反病毒（AV）公司已经解决了这个问题。有两种常用的分类技术，基于签名和基于行为。基于签名的分类使用二进制代码中出现的常见字节序列来识别和检测恶意软件家族。基于行为的分类使用恶意软件在执行过程中创建的工件进行识别。在本文中，我们报告了从我们的操作中获得的一个独特的数据集，并使用基于行为的方法使用几种机器学习技术进行分类。我们感兴趣的主要恶意软件类别是流行的宙斯恶意软件。对于其分类，我们确定了65个独特且稳健的特征，用于识别恶意软件家族。我们表明，文件系统、注册表和网络功能等工件可以用于高准确度地识别不同的恶意软件家族，在某些情况下高达95%。