文件名称：ByteCog:使用Shannon熵，Hausdorff距离和Jaro-Winkler距离来分析恶意软件和/或好软件样本之间如何变化的方法
文件大小：23KB
文件格式：ZIP
更新时间：2024-04-17 03:59:27
python malware cybersecurity maths jaro-winkler-distance
一种使用， 和来分析恶意软件和/或良好软件样本彼此之间如何变化的方法 • 介绍 ByteCog是一个python脚本，旨在帮助安全研究人员和其他类似人员与其他样本相比，根据要测试的未知文件对恶意软件进行分类。 如果您愿意，可以将该脚本扩展为使用机器学习模型对恶意软件进行分类。 ByteCog使用多种方法对提供给它的样本进行分析和分类，例如使用为研究人员提供可视化的外观，供研究人员在分析代码并查找样本中可能的可读代码/文本时查看。 ByteCog还使用来基于两个样本的熵图差异计算“原始相似度”值，最后ByteCog使用来计算“真实相似度”，因为在大多数情况下会返回如果样本在熵方向上基本相同，则该值非常高，因此可用于“调整”此样本情况下的相似性值。 要求 一个Python安装上述3.5+，你可以从官方网站蟒下载。 安装 按照列出的说明将此存储库克隆到本地计算机 然后通过在控制台窗口中运行以下
【文件预览】：
ByteCog-main
----string_utils.py(3KB)
----general_utils.py(589B)
----entropy_utils.py(1KB)
----LICENSE(34KB)
----TODO.md(146B)
----depend.txt(26B)
----log_utils.py(135B)
----bytecog.py(14KB)
----README.md(7KB)
----utils()
--------string_utils.py(3KB)
--------general_utils.py(587B)
--------entropy_utils.py(1KB)