基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

Android恶意软件检测方法分析

文章首先就Android恶意软件的安装和触发特点进行分析,通过分析Android平台中的恶意行为,制定了Android恶意代码检测方案。结合Android平台的特点,分析了现有的恶意软件检测行为,并指出了现有Android恶意软件检测方法的不足和未来发展趋势。     

360移动互联网恶意软件分析平台

移动互联网恶意软件的爆发式增长,迫切需要安全厂商实现移动互联网恶意软件样本的自动化分析。本文阐述了奇虎360在手机恶意软件样本自动化分析检测领域的技术实践和主要关键技术。     

基于云计算的病毒恶意软件分析

随着信息技术领域的快速发展,传统反病毒软件的有效性日渐受到质疑,近年来频频出现的恶性网络事件也也证明了传统恶意软件分析方法确实存在不足,而为了能够更好保护网络安全,本文基于云计算的病毒恶意软件分析展开了具体研究,希望这一研究能够相关业内人士带来一定启发。     

“启明星”杯《网管员世界》征文大赛安全之路 最终获奖名单

实战组 一等奖 《访问控制我把关》 二等奖 《架设校园网防火墙坎坷路》《让恶意软件现形》     

用小工具抓捕恶意软件

要想更准确地找到恶意软件的藏身之处，除了借助常规的反病毒产品之外，还可以灵活使用一些专用工具，也能取得不错的效果。     

以太网交换芯片提升企业网络安全性

对于企业而言,恶意软件、黑客和内部安全威胁无处不在,而且企业必须遵守各项政府法规,因此网络安全已经成为人们关注的首要问题.因此,下一代交换解决方案必须符合企业网络安全保障需求,而且底层安全保障基础设施成本必须适中且易于实施和管理.     

Check Point四款新品齐御安全威胁

一组数据显得有些触目惊心：2007年～2011年，恶意软件增长幅度达600％；2011年，82％的企业遭受过僵尸攻击，而这其中91％的攻击通过简单的安全控制就可避免被破坏。与过去不法分子直接攻击网络边界不同，现在的不法分子发现让用户无意识中安装恶意软件更加容易进行网络破坏。     

移动恶意活跃 节假日需加倍小心

11月22日，迈克菲发布了《2011年第三季度迈克菲威胁报告》，报告显示Android移动操作系统在进一步巩固了自己领先地位的同时，也成为新移动恶意软件的主要攻击目标。针对Android设备的恶意软件数量相比上季度攀升了近37个百分点，使得2011年有望成为移动甚至整个恶意软件史上最为活跃的一年。     

诺基亚通信信息（二）

诺基亚通信推出全新抵御恶意软件产品：近日,诺基亚通信设计完成了NSN Mobile Guard,这是一种以全新的方法来检测移动恶意软件的产品,使用该产品即使智能设备上没有安装反恶意软件,运营商也能帮助用户防御欺诈,从而获得竞争优势。NSN Mobile Guard可利用电信服务（如语音、SMS和移动宽带）的数据分析网络流量模式。与运用签名机制和其他通用方法检测恶意软件的传统系统相比,它的运行速度更快。同时,Mobile Guard还可通知用户,拦截网络中受影响的服务,并帮助用户清理智能设备。还具备自动制止恶意软件、防止高收费SMS消息的发送、阻止非授权移动支付、警告用户软件受到污染、有选择地提供软件为设备杀毒等功能,从而提供更深层保护以补充基于网络的防护功能。