论文部分内容阅读
目前已经有一些针对JavaScript恶意脚本的检测方法被提出,但是随着混淆技术和ECMAScript6新标准的逐渐应用,JavaScript恶意脚本的形式更加多样化,其隐蔽性也越来越高,这给相关的研究和检测工作带来了新的挑战,导致当前已有检测方法的检测效果都不尽人意,因此针对JavaScript恶意脚本的检测极具研究价值。本文从多个方面对JavaScript恶意脚本进行检测,提出了静态和动态两套JavaScript恶意脚本检测方法。具体研究成果如下:1.基于否定选择算法V-detector提出了一种可用于过滤JavaScript脚本的算法LMV-detector,并使用该算法对JavaScript脚本进行过滤。实验结果表明该算法可以快速区分正常样本和广告、插件、恶意等非正常样本,有助于对样本的标记工作。此外,实现了一个JavaScript脚本抓取工具,可以从指定网站抓取JavaScript脚本用于本文的研究工作。2.分析了针对JavaScript的混淆技术以及浏览器端JavaScript的相关特性,在此基础上总结了四类静态检测特征,并使用主成分分析法对原始特征向量进行降维。采用机器学习技术对降维后的特征进行了验证,实验结果表明本文提出的四类静态检测特征对JavaScript恶意脚本具有较高的识别能力。3.基于互信息提出了一个行为特征危害系数计算公式,并结合动态行为特征建立了 JavaScript恶意脚本评估指标。论文在模拟环境中解析执行JavaScript脚本并提取其动态行为特征,并使用评估指标对提取到的动态行为特征进行处理。采用SVM算法对处理后的特征进行了验证,实验结果表明检测准确率为99.6%。