9、网络安全解决方案：Purenet与生物识别技术应对威胁-优快云博客

本文链接：https://blog.youkuaiyun.com/python9snake/article/details/154765517

网络安全解决方案：Purenet与生物识别技术应对威胁

1. Purenet评估与工作原理

Purenet评估中专门使用了基于机器学习算法的静态插件。这些插件的工作流程如下：
1. 提取代表文件的特征；
2. 对特征应用分类模型并返回结果。

评估中使用的插件采用了通过WEKA软件训练的机器学习分类器，共使用了九种不同的分类器，包括贝叶斯网络、朴素贝叶斯、K近邻等。

在训练阶段，使用了7,688个恶意文件和22,735个良性程序的存储库，从每个文件中提取三种类型的特征：
- n - 元特征 ：从文件的二进制表示中提取3 - 元、4 - 元、5 - 元和6 - 元字节。
- 可移植可执行（PE）特征 ：从Win32二进制文件（EXE或DLL）的PE头中提取，共88个特征，某些PE头信息可能表明文件感染病毒。
- 基于函数的特征 ：标记二进制代码中函数的起始和结束点，提取17个特征，如文件大小、文件熵值、检测到的函数总数等。