MDML

使用機器學習（MDML）檢測惡意軟件

在本地運行它

簡化運行app.py

作者

穆罕默德板凳

分析模塊：

• 靜態：功能是從PE文件標頭（主要是可選標頭），Yara規則和數字簽名中提取的。

• 動態：功能是使用杜鵑沙盒追踪的API調用

數據集構造

• 靜止的

惡意軟件樣品是從Malwarebazaar獲取的，而從多個在線託管網站（即CNET）獲取良性樣本，然後我們使用Python中的Pefile模塊來解析PE標頭並提取相關功能（使用基準標記選擇），我們還使用了YARA功能，數字簽名，數字簽名和包裝，並使用YARA的功能，以及包裝

• 動態的

我們從HKSECURITY調整了APIMDS數據集，並將其從API調用序列的數據集更改為具有預定功能的二進制值數據集

使用的算法

我們使用10倍分層的交叉驗證過程比較了多種算法，我們以最高的F1分數定居於極端梯度提升（XGBoost）分類算法，因為它具有最高

項目接口

靜止的

動態的