典型文献
基于MAEC本体的恶意软件知识抽取方法的构建
文献摘要：
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1047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.
文献关键词：
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：
作者姓名：
杨望;曾娟;王玉梅
作者机构：
东南大学,江苏 南京 211189
文献出处：
引用格式：
[1]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(03):339-345
A类：
MAEC,恶意软件知识抽取,恶意软件属性枚举和表征,Enumeration
B类：
分析报告,不同来源,特征描述,成为必要,Malware,Attribute,Characterization,下沙,沙箱,低级,语义信息,合语,语义网规则语言,Semantic,Rule,Language,SWRL,恶意样本,每份,理得,规则推理
AB值：
0.298441
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
