MDML

使用机器学习（MDML）检测恶意软件

在本地运行它

简化运行app.py

作者

穆罕默德板凳

分析模块：

• 静态：功能是从PE文件标头（主要是可选标头），Yara规则和数字签名中提取的。

• 动态：功能是使用杜鹃沙盒追踪的API调用

数据集构造

• 静止的

恶意软件样品是从Malwarebazaar获取的，而从多个在线托管网站（即CNET）获取良性样本，然后我们使用Python中的Pefile模块来解析PE标头并提取相关功能（使用基准标记选择），我们还使用了YARA功能，数字签名，数字签名和包装，并使用YARA的功能，以及包装

• 动态的

我们从HKSECURITY调整了APIMDS数据集，并将其从API调用序列的数据集更改为具有预定功能的二进制值数据集

使用的算法

我们使用10倍分层的交叉验证过程比较了多种算法，我们以最高的F1分数定居于极端梯度提升（XGBoost）分类算法，因为它具有最高

项目接口

静止的

动态的