一个数据集的windows恶意软件执行跟踪跟踪
Razvan Raducu1, Alain Villagrasa-Labrador1, Ricardo J Rodríguez1
1Computer Science and Systems Engineering Department, Engineering Research Institute of Aragón (I3A), University of Zaragoza, Spain.
Data in brief
|December 9, 2025
概括
一个新的Windows恶意软件执行痕迹数据集为网络安全研究提供了详细的行为数据. 本资源有助于开发和基准测试先进的恶意软件检测技术.
科学领域:
- 网络安全 网络安全
- 恶意软件分析 恶意软件分析
- 数据科学数据科学数据科学
背景情况:
- 恶意软件对数字安全构成重大和不断变化的威胁.
- 有效的恶意软件检测需要详细的执行跟踪数据.
- 现有的数据集往往缺乏必要的深度和多样性.
研究的目的:
- 为了介绍一个全面的数据集的Windows恶意软件执行痕迹.
- 为了解决当前公开可用的恶意软件数据集的局限性.
- 为了支持恶意软件检测和分析方面的进步.
主要方法:
- 在受控的虚拟化环境中对恶意软件样本进行自动化动态分析 (Windows 10 上的 CAPEv2 沙盒).
- 使用MALVADA框架对原始沙箱报告进行处理,用于过,结构,标签和标准化.
- 生成了31,844个标准化的JSON执行跟踪文件.
主要成果:
- 一个大规模的数据集,包含31,844个详细的Windows恶意软件执行痕迹.
- 每个痕迹包括静态元数据,动态行为信息和标签字段.
- 标准化的JSON格式可与数据分析和机器学习管道进行集成.
结论:
- 这一数据集显著增强了恶意软件研究的资源.
- 它适用于开发和基准测试恶意软件检测方法,行为聚类和自动标签.
- 标准化结构促进了更广泛的采用和与其他研究数据的结合.


