当前的恶意软件系列及其分布有多种统计数据和数字。
但是，我正在寻找统计数据，这些数据显示恶意软件的分布因其混淆类型而异，即encrypted, oligomorphic, polymorphic, 的当前分布metamorphic。
到目前为止，我主要关注 AV 供应商最后发布的报告，但找不到任何有用的东西。
恶意软件混淆类型的分布
逆向工程
恶意软件
混淆
2021-06-28 19:36:06
1个回答
不幸的是，似乎没有来自 av 供应商的现有出版物/统计数据。参考 [A] 和提到的熵分析，90% 的使用样本被多态技术混淆。
[A] 通过代码揭示量化实现恶意软件分析的通用解包技术- 2009
也许自己的分析可以帮助处理更多的恶意软件样本。以下对我的“评估”是使用公开可用的kaggle恶意软件集完成的。即使它不是对家庭使用的混淆技术的明确分类，希望这种方法可以帮助您或为您指明正确的方向。我在熵值、卡方分布和 pi 近似值等不同统计数据的帮助下进行了分类。
NORM COMPR ENCR
-----------------------------------------
581 691 260 Ramnit
2475 3 0 Lollipop
0 10 2932 Kelihos_ver3
6 51 418 Vundo
3 22 18 Simda
233 260 258 Tracur
387 4 7 Kelihos_ver1
524 667 37 Obfuscator
779 219 15 Gatak
NORM = non-obfuscated characteristics (i.e. not compressed/encrypted)
COMPR = compressed or packed characteristics
ENCR = encrypted characteristics
其它你可能感兴趣的问题