通过自动化机器学习对抗Java恶意软件

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

本文来自合作伙伴嘶吼,了解相关信息可以关注嘶吼网站。

原文链接

时间: 2024-10-28 09:32:13

通过自动化机器学习对抗Java恶意软件的相关文章

自动化机器学习将成为下一个AI研究主流?听听数据科学家怎么说

雷锋网(公众号:雷锋网)按:在过去的一年当中,自动化机器学习已经成为一个众人感兴趣的话题.KDnuggets举办了一个关于该话题的博客大赛.结果喜人,有很多有意思的想法与项目被提出来了.一些自动化学习工具也引起了大家的兴趣,受到了大家的追捧. 本篇文章的作者 Matthew Mayo 将会对自动化学习进行简单的介绍,探讨下一下它的合理性.采用情况,介绍下它现在使用的工具,讨论下它预期的未来发展方向.本文由雷锋网编译,未经许可不得转载. 什么是自动化机器学习呢? 接下来我们要探讨的是自动化机器学习

人工智能、机器学习及非恶意软件攻击的联系和缺陷

3月30日讯 在一份新的研究报告中,Carbon Black总结了400多名领先网络安全研究人员对非恶意软件攻击.人工智能和机器学习等的看法. Carbon Black首席技术官迈克尔-维斯库索表示,基于网络安全研究人员对当前人工智能驱动的安全解决方案的理解,网络安全目前仍是一个"人与人"的战争,只是该战场进攻和防御自动化水平相对较高.此外,机器学习的缺陷取决于组织机构的重视程度及其使用方式.仅仅依靠文件的静态分析方法在一直以来就备受欢迎,但其是否对检测新攻击有效,有待验证.最弹性的机

新型Java恶意软件可攻击OS X/Windows/Linux

据国外媒体出现,本周安全公司F-Secure发现了一种 新的基于浏览器的跨平台恶意软件,它允许黑客远程访问任何一台运行OS X.Windows以及Linux的计算机.498)this.w idth=498;' onmousewheel = 'javascript:return big(this)' width="580" height="181" src="http://images.51cto.com/files/uploadimg/20120712/1

5种方式将机器学习带到Java、Python以及Go等编程语言

[编者按]机器学习似乎在一夜之间从默默无闻的小卒变成万众瞩目的焦点,关于机器学习的开源工具也越来越多,但是目前的挑战是,如何让对机器学习感兴趣的开发者和准备使用它的数据科学家们真正使用上它们,本文搜集了几种语言中常见且实用的开源机器学习工具,非常值得关注,本文来自 InfoWorld. 以下为原文: 经过几十年作为一门专业学科的发展后,机器学习似乎一夜之间作为万众瞩目的商业工具出现在我们面前.目前面临的挑战是如何让其具备实效,尤其是对开发者和正准备使用它的数据科学家们. 为此,我们搜集了一些最常

对抗手机恶意软件的十点建议

随着全球手机用户的爆炸性增长以及手持移动设备在企业中的饱和,手机恶意软件已经成了安全专家们不得不关注的重点问题.但是,尽管安全专家们对此日益关注,普通消费者却仍然对恶意软件的威胁毫无概念.所有的智能手机用户,包括那些使用智能手机的企业IT团队,都应该对手机恶意软件保持警惕,并采取措施进行预防.下面就是我给大家列出的一系列预防手机恶意软件的举措: 1: 下载软件前先做调查 在软件店下载软件前首先对该软件进行一些调查研究,其中最主要的一个内容就是查看该软件的专业评测.这样做可以在很大程度上避免你下载

Java使用自动化部署工具Gradle中的任务设定教程_java

tasks下面的代码展示了三个Gradle task,稍后会讲解这三者的不同. task myTask { println "Hello, World!" } task myTask { doLast { println "Hello, World!" } } task myTask << { println "Hello, World!" } 我的目的是创建一个task,当它执行的时候会打印出来"Hello, World!

超全!基于Java的机器学习项目、环境、库...

你是一名希望开始或者正在学习机器学习的Java程序员吗? 利用机器学习编写程序是最佳的学习方式.你可以从头开始编写算法,但是利用现有的开源库,你可以取得更大的进步. 本文介绍了主要的平台和开放源码的机器学习库.你可以使用这些机器学习库. 环境 本节描述了用于机器学习的Java环境或工作域.它们提供了用于执行机器学习任务的图形用户界面,还提供了用于开发自己应用程序的Java API. WEKA 怀卡托环境知识分析(Weka)( https:// www.cs.waikato.ac.nz/ml/we

4种恶意软件反查杀高级技术 反病毒软件和APT解决方案都在为此头疼

在8月末,安全加报道了 恶意软件每天至少30万个变种,这些恶意软件的作者通常使用4种恶意软件反查杀技术 ,对抗各种检测扫描,今天我们接续来说更高级的 混淆技术 以及可用于检测回避式 恶意软件 的新方法和技术. 对抗反汇编和调试工具(防护程序) 恶意软件作者对恶意软件研究员的工作了如指掌且了解他们采用哪些工具定位威胁.例如,研究员和程序员经常采用反汇编程序和调试工具检测代码行为.多种工具和技术均可检测反汇编程序和调试工具,如Windows内置功能.很多此类技术旨在对攻击者进行防御,因为攻击者可能会

使用 Jtest:一款优秀的 Java 代码优化和测试工具

Jtest 简介 Jtest 是 Parasoft 公司推出的一款针对 Java 语言的自动化代码优化和测试工具,它通过自动化实现对 Java 应用程序的单元测试和编码规范校验,从而提高代码的可靠性以及 Java 软件开发团队的开发效率. 主要功能 静态代码分析: 静态代码分析是指不运行源程序,仅通过分析源程序的语法.结构.接口等来检查程序正确性,找出代码隐藏的缺陷之处. Jtest 的静态代码分析功能能够按照其内置的超过 800 条的 Java 编码规范自动检查并纠正这些隐蔽且难以修复的编码错