മൈക്രോസോഫ്റ്റും ഇന്റലും മാൽവെയറിനെ ചിത്രങ്ങളാക്കി തിരിച്ചറിയുന്നത് എളുപ്പമാക്കും

ക്ഷുദ്ര സോഫ്‌റ്റ്‌വെയർ തിരിച്ചറിയുന്നതിനായി മൈക്രോസോഫ്റ്റിലെയും ഇന്റലിന്റെയും സ്പെഷ്യലിസ്റ്റുകൾ സംയുക്തമായി ഒരു പുതിയ രീതി വികസിപ്പിച്ചുകൊണ്ടിരിക്കുകയാണെന്ന് അറിയപ്പെട്ടു. ആഴത്തിലുള്ള പഠനത്തെയും ഗ്രേസ്‌കെയിലിൽ ഗ്രാഫിക് ഇമേജുകളുടെ രൂപത്തിൽ ക്ഷുദ്രവെയറിനെ പ്രതിനിധീകരിക്കുന്നതിനുള്ള സംവിധാനത്തെയും അടിസ്ഥാനമാക്കിയുള്ളതാണ് ഈ രീതി.

ത്രെറ്റ് ഡിഫൻസ് ഇന്റലിജൻസ് ഗ്രൂപ്പിലെ മൈക്രോസോഫ്റ്റ് ഗവേഷകർ, മാൽവെയറിനെ ചെറുക്കുന്നതിന് ആഴത്തിലുള്ള പഠനം ഉപയോഗിക്കുന്നതിനുള്ള സാധ്യത പര്യവേക്ഷണം ചെയ്യാൻ ഇന്റലിൽ നിന്നുള്ള സഹപ്രവർത്തകരുമായി പ്രവർത്തിക്കുന്നുണ്ടെന്ന് ഉറവിടം റിപ്പോർട്ട് ചെയ്യുന്നു. വികസിപ്പിച്ചുകൊണ്ടിരിക്കുന്ന സിസ്റ്റത്തെ STAtic Malware-as-Image Network Analysis അല്ലെങ്കിൽ STAMINA എന്ന് വിളിക്കുന്നു. മോണോക്രോം ഇമേജുകളുടെ രൂപത്തിൽ അവതരിപ്പിച്ചിരിക്കുന്ന ബൈനറി മാൽവെയർ ഫയലുകൾ സിസ്റ്റം പ്രോസസ്സ് ചെയ്യുന്നു. ഒരേ കുടുംബത്തിൽ നിന്നുള്ള മാൽവെയറിന്റെ അത്തരം ചിത്രങ്ങൾ ഘടനാപരമായ സമാനതകളുണ്ടെന്ന് ഗവേഷകർ കണ്ടെത്തി, അതായത് ഘടനയും ഘടനാപരമായ പാറ്റേണുകളും വിശകലനം ചെയ്യാനും ദോഷകരമോ ക്ഷുദ്രകരമോ ആണെന്ന് തിരിച്ചറിയാൻ കഴിയും.

ബൈനറി ഫയലുകളെ ചിത്രങ്ങളാക്കി മാറ്റുന്നത് ആരംഭിക്കുന്നത് ഓരോ ബൈറ്റിനും പിക്സലിന്റെ വർണ്ണ തീവ്രതയ്ക്ക് അനുസൃതമായി 0 മുതൽ 255 വരെയുള്ള ഒരു മൂല്യം നൽകിയാണ്. ഇതിനുശേഷം, വീതിയും ഉയരവും ചിത്രീകരിക്കുന്ന രണ്ട് അടിസ്ഥാന മൂല്യങ്ങൾ പിക്സലുകൾക്ക് ലഭിക്കും. കൂടാതെ, അന്തിമ ചിത്രത്തിന്റെ വീതിയും ഉയരവും നിർണ്ണയിക്കാൻ ഫയൽ വലുപ്പം ഉപയോഗിക്കുന്നു. വിശകലന പ്രക്രിയയിൽ ഉപയോഗിക്കുന്ന ഒരു ക്ഷുദ്രവെയർ ക്ലാസിഫയർ സൃഷ്ടിക്കാൻ ഗവേഷകർ പിന്നീട് മെഷീൻ ലേണിംഗ് സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ചു.

2,2 ദശലക്ഷം എക്സിക്യൂട്ടബിൾ ഫയലുകൾ ഉപയോഗിച്ചാണ് STAMINA പരീക്ഷിച്ചത്. ക്ഷുദ്ര കോഡ് തിരിച്ചറിയുന്നതിന്റെ കൃത്യത 99,07% വരെ എത്തുന്നുവെന്ന് ഗവേഷകർ കണ്ടെത്തി. അതേസമയം, തെറ്റായ പോസിറ്റീവുകളുടെ എണ്ണം 2,58% കേസുകളിൽ രേഖപ്പെടുത്തിയിട്ടുണ്ട്, ഇത് പൊതുവെ നല്ല ഫലമാണ്.

കൂടുതൽ സങ്കീർണ്ണമായ ഭീഷണികൾ തിരിച്ചറിയുന്നതിന്, കൂടുതൽ സമഗ്രമായ ഭീഷണി കണ്ടെത്തൽ സംവിധാനങ്ങൾ സൃഷ്ടിക്കുന്നതിന് ചലനാത്മകവും പെരുമാറ്റപരവുമായ വിശകലനവുമായി സംയോജിച്ച് സ്റ്റാറ്റിക് വിശകലനം ഉപയോഗിക്കാം.

അവലംബം: 3dnews.ru