神经网络算法实现行为机器学习

1、 心领神会“神经网络算法”和“行为机器学习”神经网络算法实现行为机器学习目录1. 神经网络的发展历史安全沙箱产品和行为机器学习算法安全沙箱产品的效果总结和展望3神经网络名字的来源：生物神经元模型到M-P模型神经元示意图每个神经元都是一个多输入单输出的信息处理单元神经元输入分兴奋性输入和抑制性输入两种类型神经元具有阈值特性神经元输入与空间整合特性输出间有固定的时滞， 主要取决于突触延搁忽略时间整合作用和不应期神经元本身是非时变的，即其突触时延和突触强度 均为常数1943年，基于生物神经网络的M-P模型诞生：线性非时变-卷积运算-卷积神经网络神经网络的发展三代历程神经元和M-P模型单层神经网络就是

2、感知器Perception可以做线性分类可以做线性回归不能处理非线性3.两层神经网络就是多层感知器MLP层之间全连接网络FC引入Sigmoid解决非线性通过BP提升性能Sigmoid导致梯度消失卷积网络LeNet诞生4.深度学习和神经网络多层网络AutoEncoderReLU函数解决梯度消失样本标定推动监督学习CUDA利用GPU运算能力视觉场景适合卷积网络Artificial Neural Networks (ANN)Biological Neural Networks45常见的神经网络Biological Neural NetworksArtificial Neural Networks (

3、ANN)Deep Neural Networks (DNN)Recurrent Neural Network (RNN)Long Short-Term Memory (LSTM)Gated Recurrent Unit (GRU)举例应用最广的卷积神经网络Convolutional Neural Network：LeNet-5，局部连接和权值共享CNN的前面卷积部分看局部特征；后面全连接部分就是MLP看整体安全行业的卷积网络也类似，前面偏安全行业知识；后面偏数据处理。所以需要安全+AI二组专家6APT恶意文件分析的利器：安全沙箱产品介绍方案：用VM直接执行样本，不用再模拟Windows系统和A

4、PI了， 更加真实不再基于Pattern Match的静态特征，只看程序最终的物理 行为：文件系统修改；网络行为；注册表；进程行为等， 基于动态行为的序列来判断恶意，通过写行为规则，解决 特征数量和质量的问题行为就是指API的名称和参数 CREATEPROCESS LOADLIBRARY REGQUERYVALUE FOPENDIR REGQUERYVALUE%SAMPLE%ntdll.dll HKLM*System*CurrentControlSet*Control*Session C:*Windows*System32 HKLM*System*CurrentControlSet*Contr

5、ol*NlsDNN算法前提：行为编码，Action-Pattern特征对针对一个API调用，Action-Pattern Features consists out of two IDs：Action ID，对应API的名字Pattern ID，对应API具备安全价值最高的参数Action-Pattern 特征就是: 28_165regcreatekeyAction ID 28hklmsoftwaremicrosoftwindowscurrentversionrunoncePattern ID 165那么，一个恶意软件的行为序列就是Action-Pattern的数字序列，比如：28_165,

6、32_34, 3_32, DNN算法的训练流程训练流程Action和Pattern的 编码规则文件产生YARA规则样本执行一次，获取运行期 动态行为信息:文件的哈希SHA256样本是否是恶意，Ground Truth样本的Metadata，比如路径和名字获取Action-Pattern对动态行为的Normalization 行为过滤多个样本的报表文件哈希SHA256是否恶意，Ground TruthAction-Pattern特征序列9DNN算法检测阶段流程云端训练好的恶意软件检测DNN模型待检测样本的真实行为数字编码序列二分类：该样本到底是不是恶意的？多分类：到底是哪种？危害多大？可解释：威

7、胁可视化，到底威胁在哪里？%SAMPLE%ntdll.dll输入就是行为数字化编码 CREATEPROCESS LOADLIBRARY比如变成：34_45, 65_32，送入DNN模型输入输出核心卷积层设计（实际上有多层卷积）CSV Parser输入数据解析Convolution Layer卷积层Prediction预测结果Actions Embedding Layer Action/pattern对的CSV文件参数： weights参数： window size, weights, dropout rate, etc. .参数：window sizePatterns Embedding La

8、yerOutput Layer输出层参数： weights要思考问题：安全行业的数据是否适合机器学习？是否适合深度学习？适合哪种神经网络？为什么？11DNN一个设计例子和效果华为第三代沙箱行为深度学习的神经网络设计深度学习算法效果：指出威胁在哪里？ClassificationLearningClass definition多分类总体架构Known malwareNew malware引擎1引擎2引擎3引擎4引擎5 Specific classesCleaning, agglomeration101.Generic classesSandbox Sandbox reportsMulti-Labe

9、l- LearningClassification modelSandbox Sandbox reportsMulti-Label- ClassificationGeneric malware family predictions恶意软件二分类某次测试效果Behavioral rules行为规则Random Forest随机森林算法Neural Network深度学习多层神经网络True Positive Rate检出率(%)74.0795.9388.1597.5094.97False Positive Rate 误 报率(%)12.527.111.003.581.00Detection Accuracy准确率(%)77.8295.0597.17样本约1M. 来自VirusTotal. 10%用于交叉验证神经网络比随机森林有优势病毒家族多分类某次测试效果样本：50万个来自VirusTotal，已经有家 族标定，共200个家族整体正确率：94.31%前137个家族，平均检出率超过80% 全体样本覆盖度：87%结论：价值已经体现，挑战继续存在！DNN在沙箱