Analyse de malwares et classification à l’aide de réseaux de neurones convolutionnels 1D

Abstract

Les logiciels malveillants peuvent avoir des impacts particulièrement négatifs sur notre société, d’autant plus que celle-ci a de plus en plus recours à des systèmes informatiques. En vue de garantir la sécurité de ces systèmes, la détection et la prévention de ces logiciels malveillants sont nécessaires. Dans cette optique, l’objectif de ce travail est de procéder à une classification entre des exécutables sains et des fichiers malsains appelés malwares. Pour ce faire, nous avons récolté des rapports qui reprennent l’activité d’un fichier exécutable qui est lancé en mémoire dans une machine virtuelle. Ensuite ces fichiers sont traités dans le but d’extraire les données y étant contenues pour les rendre utilisables et y appliquer des réseaux de neurones convolutionnels en vue de procéder efficacement à cette classification. Dans ce travail la convolution 1D est exploitée comme première étape vers la prédiction du comportement des malwares en analyse dynamique en tant que série temporelle.