陳霜霜

江蘇省鹽城師范學院信息科學與技術學院 江蘇 224002

0 前言

支持向量機(Support Vector Machine,SVM)是一種建立在統(tǒng)計學習理論基礎之上的機器學習方法，根據 Vapnik結構風險最小化原則，將支持向量機問題歸結為一個二次型方程求解問題，通過構造最優(yōu)超平面，使不同類樣本集與最優(yōu)分類面之間的距離最大，以獲得最好的泛化能力。此外，由于支持向量算法是一個凸優(yōu)化問題，所以局部最優(yōu)解一定是全局最優(yōu)解，這是其他學習算法所不及的。蠕蟲檢測可看成是一個二類分類問題，支持向量機是一種典型的兩類分類器，所以可將支持向量機用于蠕蟲檢測。假定大小k的訓練樣本集T={(x1,y1),(x2,y2)…(xk,yk)},(k∈ N)，由兩個類別組成，正常類及感染蠕蟲類。如果向量xi屬于正常類，則標記為正(yi=1),如果向量xi屬于感染蠕蟲類，則標記為負(yi=-1)。

1 核函數(shù)的選取

支持向量機的性能受核函數(shù)的影響比較大。核函數(shù)的選取以及核函數(shù)中參數(shù)的確定在不同的問題領域是不一樣的，目前的做法一般都是根據經驗選取。和常見的多項式核、Sigmoid函數(shù)相比，徑向基函數(shù)RBF 核函數(shù)具有參數(shù)數(shù)量少、數(shù)值限制條件少等優(yōu)點，所以本文選用徑向基函數(shù) k(x,y)=exp(-‖x-y‖2/ρ2)為核函數(shù)。對于參數(shù) 的選擇有這樣一個經驗公式ρ=1/E(‖x-y‖2)，x, y分別代表不同的訓練樣本 。

2 支持向量機方法實現(xiàn)蠕蟲檢測的基本思想

2.1 蠕蟲檢測指標的選取

盡管目前已提出各種蠕蟲檢測技術，但是如果蠕蟲檢測指標選取不好，將很難保證檢測技術的有效性。由于蠕蟲的目標是盡可能地傳播，故蠕蟲掃描時將發(fā)起大量具有隨機目標地址的“第一次連接”(FCC,First Contact Connection)由于目標地址的隨機性，因此“第一次連接”的失敗概率很高；感染蠕蟲的主機將會在盡量短的時間內感染盡量多的目標，發(fā)送連接請求的時間間隔會很短，而正常主機在進行網絡訪問的時候，對外發(fā)起連接請求的時間間隔會比較長。為了降低漏報率和誤報率，本文采用了FCC失敗連接概率和FCC連接速度這兩個網絡行為作為檢測指標。

2.2 檢測原理

根據主機當前產生的FCC連接是成功的還是失敗的，以及本次FCC連接與上次FCC連接之間的時間間隔是大于還是小于設定的時間間隔，將該主機發(fā)送的連接請求分為X1、X2、X3、X4四種情況。X1為 Itv＞Interval且連接失敗，X2為Itv＞Interval且連接成功，X3為 Itv＜Interval且連接失敗，X4為Itv＜Interval且連接成功。其中，Itv表示本次FCC連接與上次FCC連接間的時間間隔，Interval表示設定的時間間隔，取值為0.2s。X1,X2,X3,X4為向量xi的四個分量特征，可將xi表示為 (xi1,xi2,xi3,xi4)T。在蠕蟲檢測中，將主機處于正常狀態(tài)和感染蠕蟲狀態(tài)下獲得的 X1,X2,X3,X4四種連接請求的頻率作為兩類訓練樣本的向量值。基于 SVM 分類器的蠕蟲檢測方法步驟如下：

步驟1將主機處于正常狀態(tài)和發(fā)生蠕蟲攻擊時的四種連接請求的頻率作為向量xi的四個分量特征，將向量xi構成訓練樣本集T={(x1,y1),(x2,y2)…(xl, yl)}；

步驟2利用步驟 1所得到訓練樣本集訓練 SVM 分類器，求出最優(yōu)分類超平面；

步驟3對待檢測主機的網絡流量同樣應用步驟 1，獲得向量xi，然后利用訓練過的 SVM 分類器進行分類，相應地得出待檢測主機是否感染蠕蟲。

3 實驗

3.1 數(shù)據集的產生

實驗我們采用windump軟件在真實的網絡環(huán)境產生并捕獲數(shù)據包形成正常和異常數(shù)據集。為了使檢測算法能夠在計算機正常工作環(huán)境具有較高的準確率，并具有廣泛的代表性，實驗中考慮到用戶的操作行為和后臺程序對計算機性能參數(shù)造成的影響。在實驗數(shù)據采樣過程中在采樣計算機上開啟了若干應用程序，包括如office、IE瀏覽器、Windows Media Player等以及后臺程序win RAR 等。當計算機處于正常的狀態(tài)時進行多次采樣，每次連續(xù)采樣20分鐘，獲得正常標準數(shù)據集。在獲取異常標準數(shù)據集時，考慮到蠕蟲有多種類別。實驗中所選取的蠕蟲樣本主要是具有不同的IP掃描方式，選取了Dabber.a、Deborm.y、Sasser.a、Lovesan.u 這4種蠕蟲程序作為異常樣本。分別注入以上4種蠕蟲樣本，每次連續(xù)采樣20分鐘，在采樣的同時綜合考慮了用戶行為以及后臺程序這兩個因素。我們得到訓練樣本集 T={(0.35,0.64,0.01,0,1),(0.28,0.69,0.01,0.02,1),(0.27,0.69,0.02,0.01,1),(0,0,0.1,0.89,-1),(0.1,0.29,0.01,0.88,-1),(0.08,0.02,0.01,0.88,-1),(0,0,0.1,0.9,-1)}, 其中k=7。

3.2 實驗結果

實驗中我們對兩類標準訓練樣本集中的部分樣本以及CodeGreen.a, Doomran, Sluter, Dabber.a, Raleka.ab等未知掃描類蠕蟲進行了檢測。此外，考慮到目前 P2P程序會產生類蠕蟲行為，可能會出現(xiàn)誤報情況。我們對 PPlive和電驢這兩個正常P2P程序的數(shù)據包也進行了檢測。檢測結果如表1所示。

表1 各待測樣本檢測結果

4 總結

本文依據蠕蟲掃描時會產生 FCC失敗連接概率高和FCC連接速度快這兩個網絡行為，提出了一種基于支持向量機的蠕蟲檢測算法。利用該方法能夠有效地檢測變速、慢速等未知的掃描類蠕蟲，且不會對正常網絡行為及P2P程序產生誤報。當然，本文所提出的檢測算法不能檢測拓撲類及被動等待型蠕蟲，如Email蠕蟲、IM蠕蟲，對這類蠕蟲的檢測還需作進一步地研究與探討。

[1]劉華富,王仲.核函數(shù)對υ-支持向量機的泛化能力影響分析[J].計算機工程與科學.2007.

[2]鄧乃揚,田英杰.數(shù)據挖掘中的新方法-支持向量機[M].北京：科學出版社.2004.

[3]向鄭濤,陳宇峰,董亞波,魯東明.蠕蟲檢測技術研究進展[J].計算機工程與設計.2009.

[4]陳宇峰.蠕蟲模擬方法和檢測技術研究.浙江大學2006年博士學位論文.2006.