基于云计算病毒恶意软件的分析的研究

《基于云计算病毒恶意软件的分析的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonVirusandMalwaresanalysisBasedonCloudComputingAThesisinComputerApplicationTechnologybyMengChaoAdvisedbyProf.SnuZhiXinSubmittedinPartialFulfillmento

2、ftheRequirementsfortheDegreeofDoctorofPhilosophyOctober,2013万方数据承诺书本人声明所呈交的博士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位

3、论文在解密后适用本承诺书）作者签名：日期：万方数据南京航空航天大学博士学位论文摘要目前反病毒软件仍然是广泛使用的检测病毒恶意软件的工具。然而传统检测方法的有效性一直被广泛的质疑。由于传统的检测方法不能够对新病毒和恶意软件进行有效的查杀，同时其逐步提高的复杂性也导致了其本身也容易被恶意软件攻击。云计算的出现改变了这一现状。云计算是分布式计算，网格计算，效用计算，虚拟化技术等计算机技术和网络技术发展融合的产物。它聚集大量计算机资源，通过互联网向普通用户提供各种IT服务，并按照使用量进行付费的一种模式。云计算可

4、以向终端用户提供安全性的服务。云安全服务是指：使用大量的客户端对网络中软件行为进行异常的监测，得到网络中木马、蠕虫等病毒恶意软件最新的信息，然后将这些信息发送到云服务器端进行自动分析和处理，最后将这些病毒恶意软件的解决方案发到每一个客户端。本文将基于云计算的检测恶意软件病毒的方法同机器学习中算法分析理论相结合，利用了一种新式的分布式的CFO算法。该算法类似于粒子群算法是新型的基于天体物理学的多维搜索启发式算法，具有确定性的特点，利用一组质子在万有引力下的运动，在决策空间搜索最优解，而这组质子依据万有引力规

5、则在空间移动。在本论文中对该算法进行了收敛性和正确性的证明，使得该算法的应用有了可靠地理论基础。然后将该算法进一步进行改进提出了分布式的CFO算法。由于该算法确定性的特点，所以该算法特别适合于训练神经网络分类问题。本文在云计算分布式环境中训练集成神经网络作为静态行为模式分类器，利用集成神经网络将可疑病毒文件和正常的可执行文件分类。另外，本论文通过最大独立集优化算法选择云中的虚拟机结点，安装商用杀毒软件实现并行分布式的对可疑文件进行全面的检测分析。同时利用云计算虚拟机结点的封闭式环境对可实现对病毒恶意软件的

6、动态行为监测，在虚拟机封闭式的环境下观察其系统调用的行为，确定是否是病毒恶意软件。采用分布式波动PIF算法来形式化描述动态分析和分析报告返回的过程。依据分析的环境对波动算法进行相应的改进，也进一步提升了分析检测的效率。基于云计算平台的特点，本论文提出了云中病毒恶意软件检测模型的实施方案。与传统的病毒检测方法不同，该模型在每一个客户端主机运行一个轻型的主机代理程序，获取进入系统的可疑文件，发送这些文件到云端进行检测分析，然后根据返回的分析报告决定是运行还是隔离。在云端，该模型充分利用云计算分布式并行计算的特

7、点，采用最大独立集算法优化云网络结构，选择出分布式虚拟机结点，在结点上分别安装不同的商用病毒恶意软件的检测引擎，用多个不同检测引擎对病毒恶意软件进行分布式的并行检测分析，最后的分析报告是综合了各个检测引擎的分析结果，发送给客户端主机代理软件。同时在基于云计算病毒恶意软件检测分析的服务中，对新的可疑文件还提供了两个行为分析引擎——动态行为分析引擎和静态行为分析I万方数据基于云计算的病毒恶意软件分析研究引擎。目前只能在单机系统中对病毒恶意软件动态的分析一条程序执行的路径，误报率很高。为此，本文提出了基于云计算

8、的动态行为分析方案，该方案利用云计算分布式计算的特点，在云计算多个虚拟机结点上并行的完成对病毒恶意软件多条执行路径的分析，对虚拟机中系统调用的监控发现病毒恶意软件在特定的条件下触发的恶意行为。采用PIF算法来形式化的描述可疑文件分析和报告返回的过程，对该算法的改进也同时提高了分析的效率，PIF算法是分布式算法特别适合在云计算环境中执行。实验结果表明，该模型能够检测出病毒恶意软件的条件触发行为，并且可以发现触发恶意行为的条件和满