Ran$Net: An Anti-Ransomware Methodology based on Cache Monitoring and Deep Learning
Ran$Net: An Anti-Ransomware Methodology based on Cache Monitoring and Deep Learning
复制标题
Ran$Net：基于缓存监控和深度学习的反勒索软件方法
DOI：
10.1145/3526241.3530830
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Fei, Yunsi
中科院分区：
文献类型：
--
作者：
Zhang, Xiang;Zhang, Ziyue;Ding, Ruyi;Gongye, Cheng;Ding, Aidong Adam;Fei, Yunsi
勒索软件已成为网络空间的严重威胁。现有的基于软件模式的恶意软件检测器特定于某些勒索软件，可能无法捕获新的变体。认识到勒索软件的一个常见的基本行为-使用本地加密软件进行恶意加密，因此在受害者机器的缓存上留下足迹，这项工作提出了一种基于硬件活动的反勒索软件方法Ran$Net。它包括一个被动的缓存监视器，用于记录可疑的缓存活动，以及一个后续的非分析深度学习分析策略，用于从监视器生成的时间轨迹中检索秘密的加密密钥。我们实施了第一个同类工具来打击开源勒索软件并成功恢复密钥。
Ransomware has become a serious threat in the cyberspace. Existing software pattern-based malware detectors are specific for certain ransomware and may not capture new variants. Recognizing a common essential behavior of ransomware - employing local cryptographic software for malicious encryption and therefore leaving footprints on the victim machine's caches, this work proposes an anti-ransomware methodology, Ran$Net, based on hardware activities. It consists of a passive cache monitor to log suspicious cache activities, and a follow-on non-profiled deep learning analysis strategy to retrieve the secret cryptographic key from the timing traces generated by the monitor. We implement the first of its kind tool to combat an open-source ransomware and successfully recover the secret key.
登录
查看更多内容
BinGraph：使用分层语义签名发现变异恶意软件
DOI：
--
发表时间：
2012
期刊：
International Conference on Malicious and Unwanted Software
影响因子：
--
作者：
Jonghoon Kwon;Heejo Lee
通讯作者：
Heejo Lee
ISMCS：基于智能指令序列的恶意软件分类系统
DOI：
--
发表时间：
2009
期刊：
2009 3rd International Conference on Anti-counterfeiting, Security, and Identification in Communication
影响因子：
--
作者：
Kaiming Huang;Yanfang Ye;Qinshan Jiang
通讯作者：
Qinshan Jiang
影响因子：
2.3
作者：
Ugarte-Pedrero, Xabier;Graziano, Mariano;Balzarotti, Davide
通讯作者：
Balzarotti, Davide
对抗恶意软件威胁的实用业务安全框架
DOI：
--
发表时间：
2012
期刊：
World Congress on Internet Security
影响因子：
--
作者：
P. R. Lakshmi Eswari;N. Sarat;Chandra Babu
通讯作者：
Chandra Babu