本文讲的是通过自动化机器学习对抗Java恶意软件

最近几个月,黑客们又开始利用电子邮件展开大规模攻击,糟糕的是,这些恶意软件还使用了新技术来绕过杀毒软件的防护。但是,通过微软研究团队研发的自动化专家系统和机器学习模型,搭载Windows 10的电脑就可以及时地应对这些威胁。

黑客们总是不断改变他们的攻击方法和工具,专家们从多年来对恶意软件和网络犯罪行为的研究中了解到,黑客们开始使用编程语言进行恶意活动,而这些攻击行为总会绕过既有的安全解决方案。例如,最近微软的安全专家们就跟踪了黑客们是如何改变他们使用的NSIS安装程序,以逃避杀毒软件的检测,并实施攻击。

为了让Windows Defender Antivirus能够有效实时保护,微软安全专家们开发了智能安全图像识别技术(Microsoft intelligent security graph)。这是一个很强大的智能系统,用于监控来自网络的大量威胁情报。该系统包括了机器学习模型,可以对最新的威胁采取主动性的防护。

跟踪含有广告的恶意电子邮件

2017年年初的时候,微软的智能安全图像识别技术就已经探测到Java垃圾邮件活动的迹象并开始收集相关的活动证据,而且利用该工具的自动化技术可以对大量恶意电子邮件进行排序和分类,这样安全专家们就提前知道了含有Java恶意软件的电子邮件在不断的激增。

这些电子邮件使用各种社会工程技术来诱使收件人打开恶意附件,其中有很多电子邮件是葡萄牙语,不过也有英文。这些恶意软件会伪装成是计费(比如Adwind)、付款、养老金或其它财务预警的通知。

以下是含有广告的电子邮件中最受欢迎的主题和附件的文件名组合:

附件通常是.zip或.rar之类的文件,其中包含恶意的.jar文件。 黑客可以利用.jar作为附件文件来绕过杀毒软件的识别,因为相比于MIME、PDF、文本、HTML或文档类型文件,.jar文件很难被识别出来。

在.zip文件中携带Java恶意软件的恶意电子邮件

跟踪恶意代码的更新

除了关于电子邮件活动的信息之外,这个自动化监控工具还显示了另外一个有趣的变化,就是在恶意软件的整个运行期间,它们每天平均使用了900个不同的Java恶意文件。所以也就解释了Windows Defender Antivirus会在一天内遇到1200个不同的恶意Java文件:

含有广告的恶意电子邮件所使用的Java恶意文件的数量

这些Java恶意文件都是过去的恶意软件的变体,之所以要不断地更新文件代码,就是为了试图逃避杀毒软件的检测。

在Java恶意软件的这些新变体中,安全专家们看到的最显着的变化就是它们模糊恶意代码的方式。例如,它们看到以下混淆技术:

1.使用一系列附加操作符和字符串解密功能

2.使用过长的变量名,使其变的不可读

3.使用过多的代码,使代码跟踪更加困难

经过混淆的代码可以让恶意分析工具变的一无是处,不过安全图像识别技术可以自动触发这些经过混淆的恶意软件。当恶意软件被触发时,利用机器学习模型就可以分析出看到恶意软件的意图,并提前做好应对措施。

安全专家们利用该工具把触发期间观察到的恶意行为都记录了下来,之后,并使用这些记录的线索,来检测新的和未知的恶意附件。这些恶意行为包括:

恶意软件跟踪日志

从情报分析到实时防护

通过利用该工具进行自动分析,机器学习和预测建模,安全专家们就能够更好地为最新的,从未见过的恶意软件提供保护。通过对威胁情报的具体分析, Windows Defender AV便能够实时提供全面的威胁防护。

其中上下文感知系统可以分析数百万潜在的恶意软件样本并收集大量的威胁情报,同时这些威胁情报又丰富了机器学习的样本库,使杀毒软件能够实时阻止相关威胁。除了Java恶意软件之外,利用上下文感知系统可还能检测到有效载荷,比如像Banker和Banload这样的网络银行木马程序,或者像Jrat和Qrat这样的Java远程访问木马程序(RAT)。

自动化系统将威胁情报提供给云引擎和机器学习模型,从而实现对威胁的实时保护

不断累积的威胁情报会不断增强机器学习模式的分析能力,当来自最新威胁的恶意文件标识符被添加到机器学习分类器后,防御措施便自动开启。

这就是安全专家们如何使用自动化、机器学习和云端来对最新的和未知的威胁提供更加智能和强大的保护技术。 Windows Defender AV可以自动保护Windows PC免受97%以上恶意软件恶意软件的侵扰。

对检测道德Java恶意软件进行细分

结论

通过电子邮件活动来推送Java恶意软件,只是黑客们用于传递新的恶意软件和其他威胁的一种手段而已。相信黑客们会不断改进自己的攻击工具和手段,以逃避现有防护工具的保护。

Windows Defender AV研究团队正在试图通过自动化流程,机器学习和云保护技术的组合来增强防御技术。目前,这些保护技术已经内置于Windows 10中,建议大家尽快更新到最新的系统。

Windows Defender Antivirus通过使用自动化、机器学习和启发式方式提供对恶意软件及其有效载荷等威胁的实时保护。

在企业环境中,Office 365高级威胁防护可以阻止来自垃圾邮件广告的恶意电子邮件,例如分发Java恶意软件的恶意电子邮件,就可以被本文中所讨论的自动化流程的机器学习所检测到。

微软的设备保护(Device Guard) 是由硬件和软件系统完整性强化功能组成的功能集,这些功能彻底革新了 Windows 操作系统的安全性,并提供基于内核级别的虚拟化的安全保护措施,仅允许可信应用程序运行。

这样做的不仅仅是微软,Oracle一直在对使用Java的合法应用程序进行更强大的安全检查。例如,从Java 7 Update 51开始,Java不允许未签名的Java应用程序进行自签名或缺少权限属性。 Oracle还将开始使用SHA1或更强的签名来代替MD5签名的.jar文件。

但要强调的是,本文中讨论的Java恶意软件就是Java可执行文件。以下是在企业环境中防范Java恶意软件的其他一些建议:

1.在操作系统中删除文件类型关联中的JAR,以便双击时.jar文件不会运行,

2..jar文件必须使用命令行手动执行,

3.要求Java只执行已签名的.jar文件,

4.手动验证签名的.jar文件,

5.应用电子邮件网关策略来阻止.jar作为附件。

原文发布时间为:2017年4月25日
本文作者:xiaohui
本文来自云栖社区合作伙伴嘶吼,了解相关信息可以关注嘶吼网站。
原文链接

通过自动化机器学习对抗Java恶意软件相关推荐

  1. 开源自动化机器学习框架

    20211101 在 Airbnb 使用机器学习预测房源的价格 https://blog.csdn.net/weixin_33735077/article/details/87976278?spm=1 ...

  2. 给AI系统做“安全体检”,阿里安全提出自动化AI对抗平台CAA | AAAI 2021

    出品 | AI科技大本营(ID:rgznai100) 安全人员曾为某车企自动驾驶系统做过一次安全测试,用物理对抗攻击欺骗Autopilot车道检测系统,导致汽车在Autopilot不发出警告的情况下驶 ...

  3. 【机器学习】太棒了!8 个开源自动化机器学习框架,轻松搞定机器学习!

    自动化机器学习(AutoML)可以帮助机器学习管道中的某些关键组件实现自动化.其中机器学习管道包括数据理解.数据工程.特征工程.模型训练.超参数调整.模型监控等. 在这篇文章中,我将分享 8 个开源的 ...

  4. 【文末送书】调参太费力?自动化机器学习来帮你!

    机器学习项目中最折腾人的环节是什么?是特征工程?是模型选择?还是参数调优? 先来看看机器学习项目实战可划分为哪几个具体阶段. <零基础学机器学习>一书将机器学习项目的实战过程归纳如下: 问 ...

  5. 自动化机器学习AutoML(1)

    自动化机器学习AutoML 什么是AutoML 在过去十年内,机器学习领域获得了巨大的进展,得益于互联网(数据)与芯片(算力)行业的快速发展,各类机器学习算法终于化理论为实践,被应用当各行各业.千家万 ...

  6. 玩转jpmml之tpot+sklearn2pmml自动化机器学习集成模型部署

    前言 应该是首发原创,网上没搜到. 总体的逻辑是:数据导入----tpot自动化机器学习挑选最适合的模型和数据预处理思路----转换为sklearn代码----通过sklearn2pmml库转换为pm ...

  7. 2019年,自动化机器学习AutoML技术还火吗? | BDTC 2019

    整理 | 王银 出品 | AI科技大本营(ID:rgznai100) [导读]12 月 5-7 日,由中国计算机学会主办,CCF 大数据专家委员会承办,CSDN.中科天玑协办的中国大数据技术大会(BD ...

  8. 人力成本降低95%!这家上海AI独角兽,发布自动化机器学习平台,瞄准新基建...

    允中 发自 凹非寺 量子位 报道 | 公众号 QbitAI 一年一度的世界人工智能大会,在上海召开. 深兰科技--上海本土孕育出的AI独角兽,也再次披露最新「成绩单」. 带着多年行业落地的经验,深兰科 ...

  9. 自动化机器学习(三)神经网络架构搜索综述(NAS)简述

    文章目录 技术介绍 简介 技术栈 实现 数据 数据读取 创建模型并训练 模型预测与评估 模型的导出 技术介绍 简介 自动化机器学习就是能够自动建立机器学习模型的方法,其主要包含三个方面:方面一,超参数 ...

最新文章

  1. react antD moment
  2. OpenStack 实现技术分解 (7) 通用库 — oslo_config
  3. hibernate连接mysql密码错误,hibernate+mysql too many connections错误
  4. CSU1323: ZZY and his little friends
  5. 史上最全的MSSQL笔记
  6. html 用svg缩放拉伸,html – 拉伸SVG以适应其父级的100%高度和宽度
  7. 为什么a*算法采用哈密尔顿距离作为启发函数比不在位数为启发函数的性能要好?_KDD2019: 使用神经网络为A*搜索算法赋能 --以个性化路径推荐为例...
  8. imx226_相机选型器
  9. 关于统计学,几个简单易懂的小故事
  10. c++sizeof求类大小 sizeof与strlen对比
  11. 全球CT影像20秒诊断,阿里云为新冠AI辅助诊断系统加速 | 凌云时刻
  12. 传统量化与ai量化对比_量化AI偏差的风险
  13. 江苏计算机类事业编总分多少,必看!江苏事业单位统考三类岗位分值分布
  14. windows虚拟显示器SDK开发和提供
  15. 服务器v1v2v3v4性能区别,昂达平板电脑V1V2V3V4V5版本之间的区别
  16. 华为荣耀笔记本linux怎么下载软件,华为magic book笔记本怎么下载软件
  17. 二次bootloader关于boot28.asm应用的注意事项,28035的
  18. 兴业银行java面试_【面经】兴业银行信息技术岗面试
  19. webclient 爬虫bug
  20. 可复制的领导力前两章总结

热门文章

  1. 解决浏览器下载excel文件时显示“文件已损坏”
  2. java jdk 观察者模式_java观察者模式实现和java观察者模式演化
  3. net start zabbix agent 服务没有相应控制功能_zabbix-基础系列(十七)--实战之监控 php-fpm...
  4. listen()和accept()函数:让套接字进入监听状态并响应客户端请求
  5. 微型计算机温度控制系统课程设计,微机原理及其应用 微型计算机温度控制系统设计课程设计报告.doc...
  6. 网络损伤测试模拟软件,网络损伤仿真系统的设计及实现
  7. C++ 标准库类型 stack
  8. html5和前端精要(1)-架构与基础(1)
  9. linux-grub修复5步搞定
  10. micropython随笔-hello,world