​ 基于Cuckoo平台的HDBSCAN恶意代码聚类算法*

​ 泛在网络日益受到各种各样的恶意代码攻击，已经严重威胁到各个领域的信息安全和网络安全。为了分析不同种类恶意代码之间的异同性，通过搭建Cuckoo沙箱平台模拟恶意代码运行环境研究其聚类情况，以此来获得恶意样本模拟运行的行为分析报告；在特征提取上为了全面覆盖恶意代码的主要行为，结合了动态行为特征和内存特征；之后利用t-SNE机器学习算法来对特征属性实现非线性降维；最后对传统的DBSCAN算法进行改进，将改进后的算法HDBSCAN结合恶意代码的行为特征来完成恶意代码的聚类。实验结果表明，相比于经典聚类算法，改进后的聚类算法提高了聚类质量，获得了更好的聚类效果，因此具有较高的可行性。