21、基于机器学习的OSX恶意软件检测

基于机器学习的OSX恶意软件检测

1. 引言

如今，攻击者越来越关注macOS平台。自2019年以来，其全球市场份额持续稳定上升，到2019年已跃升至14.37%，此后还有进一步增长。随着macOS操作系统在用户和企业中愈发普及，网络犯罪分子也逐渐将部分注意力转移到该系统上，开发出各种恶意软件，采用多种技术、策略和手段攻击受害者并逃避检测。

软件安全公司McAfee报告称，今年勒索软件活动再度猖獗。新勒索软件数量增长了118%，犯罪分子采用了新的攻击策略和代码创新来执行攻击和逃避系统检测。在2019年第一季度，McAfee的系统每分钟会检测到504个新威胁，且这种趋势可能会持续下去。从2016年第四季度到2018年第三季度，macOS恶意软件总数从约20万显著增加到约42.5万，而这还只是已检测到的恶意软件数量。

一些未被检测到的恶意软件可能正在造成损害。例如，2019年发现的CookieMiner恶意软件家族，针对苹果用户，窃取用户钱包和授权信息；同年第一季度曝光的Spelevo利用Adobe Flash Player的漏洞植入GootKit木马，允许远程攻击者执行任意代码。

卡巴斯基实验室指出，“macOS操作系统没有威胁或至少没有严重威胁”的观点是错误的。2019年上半年，检测到近600万起针对macOS用户的网络钓鱼攻击，其中11.80%针对企业用户。自2012年以来，针对macOS用户的恶意和潜在有害程序数量一直在上升。

传统的防病毒或反恶意软件程序在遏制这些恶意程序传播方面并不成功，因此需要开发新的工具、技术和策略来应对这一全球性问题。许多解决方案被提出，包括使用结合静态和动态分析技术的框架，但这些框架难以检测到经常改变签名、行