首页
/ Malheur 项目技术文档

Malheur 项目技术文档

2024-12-10 09:49:36作者:晏闻田Solitary

1. 安装指南

依赖项

在安装 Malheur 之前,请确保系统中已安装以下依赖项:

  • libconfig >= 1.4
  • libarchive >= 3.1.2

Debian & Ubuntu Linux

在 Debian 和 Ubuntu 系统上,需要安装以下包:

  • gcc
  • libconfig9-dev
  • libarchive-dev

如果需要从 GIT 仓库引导 Malheur 或操作 automake/autoconf 配置,还需要安装以下包:

  • automake
  • autoconf
  • libtool

Mac OS X

在 Mac OS X 上,需要安装 Xcode 并确保 gcc 可用。此外,通过 Homebrew 安装以下包:

  • libconfig
  • libarchive(来自 homebrew-alt)

OpenBSD

在 OpenBSD 上,需要安装以下包。注意,需要使用 gmake 而不是 make 来构建 Malheur:

  • gmake
  • libconfig
  • libarchive

如果需要从 GIT 仓库引导 Malheur,还需要安装以下包:

  • autoconf
  • automake
  • libtool

编译与安装

从 GIT 仓库

  1. 运行以下命令以引导项目:

    $ ./bootstrap
    
  2. 配置、编译并安装:

    $ ./configure [options]
    $ make
    $ make check
    $ make install
    

从 tarball

  1. 解压 tarball 后,运行以下命令:
    $ ./configure [options]
    $ make
    $ make check
    $ make install
    

配置选项

  • --prefix=PATH:设置安装目录的前缀。默认情况下,Malheur 安装在 /usr/local。如果需要安装到其他位置,可以使用此选项。

2. 项目使用说明

Malheur 是一个用于自动分析恶意软件行为的工具。它支持以下四种基本分析操作:

  1. 提取原型:从给定的报告集中,Malheur 识别出代表整个数据集的原型子集。这些原型提供了记录行为的快速概览,并可用于指导手动检查。

  2. 行为聚类:Malheur 自动识别包含相似行为的报告组(聚类)。聚类有助于发现新的恶意软件类别,并为制定特定的检测和防御机制(如反病毒签名)提供基础。

  3. 行为分类:基于先前聚类的报告,Malheur 能够将未知行为分配到已知的恶意软件组中。分类有助于识别新的和未知的恶意软件变种,并可用于在手动检查之前过滤程序行为。

  4. 增量分析:Malheur 可以增量方式应用于大数据集的分析。通过分块处理报告,可以显著减少运行时间和内存需求。这使得长期应用 Malheur(例如每日分析新到的恶意软件程序)成为可能。

3. 项目 API 使用文档

Malheur 提供了用于分析恶意软件行为的 API。以下是 API 的基本使用说明:

提取原型

$ malheur extract -i input_reports -o output_prototypes
  • -i input_reports:指定输入的报告文件或目录。
  • -o output_prototypes:指定输出的原型文件。

行为聚类

$ malheur cluster -i input_reports -o output_clusters
  • -i input_reports:指定输入的报告文件或目录。
  • -o output_clusters:指定输出的聚类结果文件。

行为分类

$ malheur classify -i input_reports -o output_classification
  • -i input_reports:指定输入的报告文件或目录。
  • -o output_classification:指定输出的分类结果文件。

增量分析

$ malheur incremental -i input_reports -o output_incremental
  • -i input_reports:指定输入的报告文件或目录。
  • -o output_incremental:指定输出的增量分析结果文件。

4. 项目安装方式

Malheur 可以通过以下两种方式安装:

  1. 从 GIT 仓库

    • 克隆仓库并运行 ./bootstrap
    • 配置、编译并安装:
      $ ./configure [options]
      $ make
      $ make check
      $ make install
      
  2. 从 tarball

    • 解压 tarball 后,运行:
      $ ./configure [options]
      $ make
      $ make check
      $ make install
      

通过以上步骤,您可以成功安装并使用 Malheur 进行恶意软件行为的自动分析。

热门项目推荐
相关项目推荐

项目优选

收起
Python-100-DaysPython-100-Days
Python - 100天从新手到大师
Python
410
82
LangChatLangChat
LangChat: Java LLMs/AI Project, Supports Multi AI Providers( Gitee AI/ 智谱清言 / 阿里通义 / 百度千帆 / DeepSeek / 抖音豆包 / 零一万物 / 讯飞星火 / OpenAI / Gemini / Ollama / Azure / Claude 等大模型), Java生态下AI大模型产品解决方案,快速构建企业级AI知识库、AI机器人应用
Java
20
4
open-eBackupopen-eBackup
open-eBackup是一款开源备份软件,采用集群高扩展架构,通过应用备份通用框架、并行备份等技术,为主流数据库、虚拟化、文件系统、大数据等应用提供E2E的数据备份、恢复等能力,帮助用户实现关键数据高效保护。
HTML
85
64
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
277
72
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
201
47
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
149
25
source-vuesource-vue
🔥 一直想做一款追求极致用户体验的快速开发平台,看了很多优秀的开源项目但是发现没有合适的。于是利用空闲休息时间对若依框架进行扩展写了一套快速开发系统。如此有了开源字节快速开发平台。该平台基于 Spring Boot + MyBatis + Vue & Element ,包含微信小程序 & Uniapp, Web 报表、可视化大屏、三方登录、支付、短信、邮件、OSS...
Java
26
2
RuoYi-Cloud-Vue3RuoYi-Cloud-Vue3
🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
44
27
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
55
44
RuoYi-AppRuoYi-App
🎉 RuoYi APP 移动端框架,基于uniapp+uniui封装的一套基础模版,支持H5、APP、微信小程序、支付宝小程序等,实现了与RuoYi-Vue、RuoYi-Cloud后台完美对接。
Vue
48
12