当前位置：首页 > news >正文

恶意软件良性图像分类数据集

news 2026/8/8 12:42:54

摘要：恶意软件良性图像分类数据集包含 22,056 个样本，8 个类别（Adware/Backdoor/Downloader/Spyware/Trojan/Virus/Worms/Benign），从 VirusShare/VirusTotal 获取，通过 Cuckoo Sandbox 动态分析和 API 调用序列转换为 128×128 图像，专为 CNN 恶意软件分类设计。

数据集简介

数据集概述

恶意软件良性图像分类数据集（Malware Benign Image Classification Dataset）包含 22,056 个样本，涵盖各种恶意软件类别以及良性软件。该数据集来源于研究论文 “Dynamic Malware Classification of Windows PE Files using CNNs and Greyscale Images Derived from Runtime API Call Argument Conversion”（使用 CNN 和从运行时 API 调用参数转换派生的灰度图像进行 Windows PE 文件动态恶意软件分类），由 Md Shahnawaz、Bishwajit Prasad Gond 和 Durga Prasad Mohapatra 撰写，已被接受于 2025 年 6 月 2 日在印度理工学院印多尔举行的第 16 届国际计算、通信和网络技术会议（ICCCNT），DOI: https://doi.org/10.48550/arXiv.2505.24231。

数据集包含 22,056 个样本，涵盖 8 个类别（7 种恶意软件类型 + 1 种良性类别），每个样本以 Name_Hash 命名（Name 表示恶意软件家族类型，Hash 表示从 VirusShare 和 VirusTotal 获取的可移植可执行文件 PE 文件的哈希值）。

类别分布：

(1) Adware（广告软件）：1,986 个样本；
(2) Backdoor（后门）：674 个样本；
(3) Downloader（下载器）：2,499 个样本；
(4) Spyware（间谍软件）：946 个样本；
(5) Trojan（木马）：3,568 个样本；
(6) Virus（病毒）：2,392 个样本；
(7) Worms（蠕虫）：1,357 个样本；
(8) Benign（良性）：8,634 个样本。

数据处理流程包括：

(1) 从 VirusShare 获取恶意软件哈希；
(2) 查询 VirusTotal 获取 70+ 种防病毒扫描结果（JSON 文件）；
(3) 下载各类恶意软件样本；
(4) 在 Cuckoo Sandbox 中进行动态分析；
(5) 从 PE 文件行为数据提取 API 调用序列（API 名称、参数、返回值、类别）；
(6) 应用 n-gram 分析和 TF 计算；
(7) 将特征向量转换为图像（标准化为 0-255、重塑为 128×128 灰度图像、应用高斯模糊/CLAHE/Sobel 边缘检测、magma 色彩映射、对比度和锐度增强）。

支持恶意软件分类（8 类）、良性 vs 恶意软件二元分类、多类别恶意软件检测、Windows PE 文件分析、动态恶意软件分析、API 调用序列分析、基于 CNN 的恶意软件检测、图像分类、深度学习模型训练（CNN、ResNet、EfficientNet）、网络安全研究、威胁情报、恶意软件行为分析、沙箱分析、特征工程、n-gram 分析、计算机视觉在网络安全中的应用、自动化威胁检测、终端安全、网络防御、恶意软件家族识别。该数据集为恶意软件行为分析提供全面方法，通过将 API 调用序列转换为图像，实现基于 CNN 的高效恶意软件检测。

数据集来源

由 Md Shahnawaz 等创建（2025 ICCCNT，DOI: 10.48550/arXiv.2505.24231），22,056 样本，8 类（广告/后门/下载器/间谍/木马/病毒/蠕虫/良性），从 VirusShare/VirusTotal 获取，Cuckoo Sandbox 动态分析，API 调用 → n-gram → 特征向量 → 128×128 图像（高斯/CLAHE/Sobel/magma），专为 CNN 恶意软件分类设计。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。