27、利用人工智能辅助网络风险预警实现生存能力

利用人工智能辅助网络风险预警实现生存能力

在当今数字化时代，信息系统的安全至关重要。本文将介绍一种基于多种学习技术组合的信息系统安全侵犯检测技术，以及数字孪生网络弹性决策支持系统。

安全侵犯检测

安全侵犯检测技术基于线性分类器、朴素贝叶斯分类器、结合随机森林技术的决策树以及采用深度学习的卷积神经网络等学习技术的组合。

PE 文件格式

部分分析基于对 Windows 操作系统中常见的可移植可执行（PE）文件的检查，包括 .exe、.dll 和 .sys 文件。这些文件包含 PE 头，它是一组用于 Windows 操作系统分析后续代码的指令。PE 头的字段通常用作检测恶意软件的特征，可以使用 Python 编程库提取 PE 头的值。PE 文件中的许多字段没有严格的组织，存在冗余字段和空间，可能被恶意代码替换。

代码的静态分析

静态分析时，样本代码在不执行的情况下进行测试。获得的信息可以是文件的 PE 信息或更专业的 YARA 签名。通过统计分析可以从可执行文件中提取一些特征，用于数据集上的实验，以训练和应用分类算法。

为了确定文件类型，需要开发不依赖操作系统标准识别标准（如文件扩展名、文件头）的技术。为此，通过抓取 GitHub 和恶意软件存储库等互联网资源创建了文件数据库，包含良性和恶意文件的当前样本。对二进制数据使用 base - 64 编码，脚本文件以纯文本格式处理。获得的文件经过彻底过滤、调整和选择，用于测试环境。

自然语言处理（NLP）为文本选择、分析和估计提供了广泛的技术。由于测试和训练数据库的内容编码为字符序列，可以将文件内容分类为良性或恶意的问题视为 NLP 问