基于机器学习的恶意PNG图像识别方法

为避免网络病毒借助便携式网络图形(Portable Network Graphics,PNG)传播恶意代码,应用机器学习技术,提出一套行之有效的恶意PNG图像识别方法。该识别方法采用动态分析的方式,评估PNG图像和加载器行为,同时结合基于传统调用特征的机器学习算法,分类并识别恶意PNG图像。结果表明,提出的恶意PNG图像识别方法具有较高的可靠性和可行性,可以保证对多种恶意PNG图像的识别效果,还能避免用户隐写处理健康图像信息,完全符合图像水印隐秘传输应用需求。

基于机器学习的恶意PNG图像识别方法

随着计算机系统和应用的不断发展,多媒体成为当前主流的信息表达方式。作为最常用的图片存储格式之一,PNG因其无损高比例压缩特性被广泛应用于互联网场景下的图像传递。因PNG自身特性,使得其天然具备信息藏匿的能力,任何二进制信息都可以在不影响图片本身显示的情况下被编码至PNG图像中。这就使得利用PNG进行恶意代码传播成为可能。传统的恶意PNG图像识别方法往往是基于对隐写信息存在与否的判断,然而该方法对于确实存在信息隐匿需求的场景十分不友好。本文提出一种基于机器学习的恶意PNG图像识别方法,其核心依据在于在动态分析的环境下,对PNG图像及其加载器的行为进行评估,结合面向传统API调用特征的学习算法,通过判断其实际意图,对恶意PNG图像进行分类和识别。