基于MAEC本体的恶意软件知识抽取方法的构建.pdfVIP

第 55 卷 第 3 期 通信技术 Vol.55 No.3 2022 年 3 月 Communications Technology Mar. 2022 文献引用格式：杨望 , 曾娟 , 王玉梅 . 基于 MAEC 本体的恶意软件知识抽取方法的构建 [J]. 通信技术 ,2022, 55(3):339-345. doi:10.3969/j.issn.1002-0802.2022.03.0 11 基于MAEC本体的恶意软件知识抽取方法的构建* 杨 望，曾 娟，王玉梅 （东南大学，江苏 南京 211189 ） 摘  要：个性化的分析报告格式阻碍了不同来源恶意软件信息的自动关联分析，使得建立统一 的恶意软件特征描述标准成为必要。目前，虽然恶意软件属性枚举和表征（Malware Attribute Enumeration and Characterization ，MAEC ）已提供了一种共享标准，但当下沙箱输出的分析报告中 却普遍含有大量低级别实体数据而缺乏高层语义信息。因此，对前人工作进行了研究，基于 MAEC 构建本体进行恶意软件知识抽取，并结合语义网规则语言（Semantic Web Rule Language，SWRL ） 推理提取隐含的高级知识，收集了 1 047 个恶意样本的报告进行测试，发现平均可从每份报告中推 理得到 10 条高层语义信息。 关键词：恶意软件属性枚举和表征；本体；规则推理；恶意软件知识抽取 中图分类号：TP309 文献标识码：A 文章编号：1002-0802(2022)-03-0339-07 A Method for Malware Knowledge Extraction Based on MAEC Ontology YANG Wang, ZENG Juan, WANG Yumei (Southeast University, Nanjing Jiangsu 211189, China) Abstract: Analysis reports with personalized format bring difficulties to the automatic correlation analysis of malware information from different sources, making it necessary to establish a unified standard to describe the malware features. Currently, MAEC (Malware Attribute Enumeration and Characterization) provides a consensus, but sandbox analysis reports based on this standard generally contain a lot of low-level entity data and lack of high-level semantic information. As a result, through the research of predecessors work, ’ a method for malware knowledge extraction based on MAEC ontology is proposed. At the same time, the method combined SWRL (Semantic We