EFEMalwareClassification

基于特征表达增强的恶意代码家族分类方法，首先反编译恶意代码源程序得到 .bytes文件和 .asm文件，然后通过N-Gram算法提取 .asm文件的文本特征，将两类文件转换成灰度图像，通过灰度共生矩阵和灰度直方图提取纹理特征和颜色特征，最后融合文本特征、纹理特征、颜色特征三类单一特征构建新的融合特征，增强恶意代码特征表达能力。

数据集

• 比赛说明 https://www.kaggle.com/c/malware-classification/

• 数据下载 Google Drive, OneDrive

代码说明

数据预处理

• randomsubset.py 抽取训练子集
• getMap 获取ASM文件和Byte文件的灰度图

特征提取

• getColor.py 获取灰度图像的颜色特征
• getText.py Opcode n-gram获取ASM文件的文本特征
• getTexture.py 获取ASM文件图像纹理特征

家族分类

• ClassificationOfColor.py 基于颜色特征的家族分类
• ClassificationOfText.py 基于文本特征的家族分类
• ClassificationOfTexture.py 基于纹理特征的家族分类
• ClassificationOfFusion.py 基于融合特征的家族分类

可视界面

• MainWindow.ui 主界面UI
• MainWindow.py 主界面UI对应的Pyqt代码
• MainWindowControl.py 主界面对应控件的逻辑

运行说明

1. 将完整的训练数据集解压，修改randomsubset.py中的路径并运行
2. 修改getMap中的路径，转换灰度图
3. 修改getColor.py,getText.py和getTexture.py中的路径，提取对应特征
4. 运行run.sh，耐心等待不同特征的家族分类结果
5. 运行MainWindowControl.py，进行简单功能演示

部分结果图

决策树

逻辑回归

随机森林

融合特征