.png){kind=icon}
.png){kind=icon}
返回
JSCoherence: detecting obfuscated malicious JavaScript via data-dependent statement pairs
.png){kind=icon}
OA
AI
DOI：10.1186/s42400-026-00645-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为网站的关键组成部分，JavaScript是恶意网站上最常见的攻击载荷之一。尽管已提出许多检测恶意JavaScript的方法，但混淆技术使得先前的方法难以有效检测伪装的恶意JavaScript。为解决此问题，我们观察到恶意JavaScript常使用混淆技术将关键攻击语义碎片化，并将其隐藏在涉及变量传播的数据相关语句中。这一观察表明，变量间的数据依赖关系可被利用以提取潜在的恶意功能语句。因此，本文提出JSCoherence，一种新颖的恶意混淆JavaScript静态检测方法。其核心原理是通过数据流分析挖掘具有数据依赖的语句对，从而重新连接碎片化语义并恢复局部连贯的恶意行为。实验表明，JSCoherence在公开数据集上达到99.77%的F1分数。在Jfogs、JSObfu和JavaScript-obfuscator混淆数据集上，其F1分数始终超过95%，优于当前先进方法。此外，JSCoherence通过分析代表性数据相关语句对的语义提供可解释性，为其检测决策提供清晰的解释依据。
Keyword:
Malicious JavaScript
Code obfuscation
Static analysis
Data-flow analysis
Data-dependent statement pairs
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。