推荐 9.5
Conf: 50%
该论文提出了一种针对勒索软件检测的实用多阶段方法,旨在解决现有检测方案在监控文件系统活动时产生的I/O开销问题。作者首先分析了勒索软件的行为特征,即大量加密操作导致高频率的I/O事件。为了在检测准确性与系统性能之间取得平衡,他们设计了一个两阶段检测框架:第一阶段利用轻量级行为检测器快速筛选可疑进程,第二阶段对可疑进程进行深度分析,使用更复杂的特征如文件熵变化和加密模式识别。实验在真实环境下的数据集上进行,包括多种勒索软件家族和良性软件。结果表明,该方法在中等系统负载下几乎不引入额外性能开销,在高负载下也仅产生可接受的开销,同时实现了高检测率和低误报率。论文的关键贡献在于提出了一种兼顾实时性和资源效率的检测架构,适合部署在资源受限的端点或服务器上。
💡 推荐理由: 为端点安全提供了一种低开销、高检测率的勒索软件检测方案,解决了实时监控与性能损耗之间的核心矛盾,适合实际部署。
🎯 建议动作: 研究跟进
排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)