1、近年來，“特洛伊木馬”(以下簡稱木馬)數(shù)量迅速增加，在各類非法程序中已經占到了最大的比重，由木馬所造成的破壞和損失也越來越嚴重，因此，反木馬的研究已成為網絡安全領域的一個熱點和重點。 行為分析由于具有檢測特征碼未知的木馬、病毒等非法程序的能力，而成為反木馬、反病毒等研究領域的一個熱點。與傳統(tǒng)基于特征碼的靜態(tài)掃描技術不同的是，它根據(jù)應用程序運行時表現(xiàn)出來的動態(tài)行為特征，判別程序是否合法。但由于其在具體實施時一般有較高的誤報率，所以

2、至今仍未象特征碼技術那樣得到廣泛的應用。 確定木馬的行為特征是進行木馬行為分析之前必需的準備工作。本文分析歸納了木馬服務器在安裝、啟動和網絡通信階段的行為特征，并介紹木馬行為分析的原理、優(yōu)缺點并探討其實現(xiàn)技術。 分類算法(如樸素貝葉斯分類算法)結合樣本的多個屬性的取值對樣本進行分類，并且它們均被用作對未知類別的樣本的分類，這與將行為分析應用于未知木馬判斷的目的相吻合。本文描述了目前安全軟件中木馬行為分析模塊的一般工作流程

3、，針對其誤報和漏報的原因，提出樸素貝葉斯分類算法在木馬行為分析中的應用。為檢驗該算法在降低木馬誤報率上的效果，本文對同一組木馬和合法程序進行了兩次分類實驗，一次使用某安全軟件的木馬行為分析模塊，另一次則是本文提出的結合了樸素貝葉斯算法的木馬行為分析方法，并對兩者的誤報率和漏報率作了比較。 在實驗中，共收集了228個合法程序，并查閱和研究了224個木馬的技術細節(jié)，本文提出的方法漏報率約為10.71％，誤報率約為0.44％，比另一種