分析浏览器中的加密货币挖掘
本文讨论了客户端扫描技术(CSS)作为替代手段的加密与公共安全之间的辩论,认为 CSS 既不能保证有效的犯罪预防,也不能避免监视,会为整个社会带来严重的安全和隐私风险。
Oct, 2021
近年来恶意软件攻击中使用加密的 HTTP 流量进行自我传播或通信的数量急剧增加。本文应用三种机器学习技术来区分恶意加密的 HTTP 流量与良性加密流量,并获得与以往研究相当的结果。同时,我们详细考虑特征分析问题,并证明可直接从机器学习模型中获取与特征相关的信息。我们认为这种基于机器学习的特征分析方法更可靠,例如我们可以发现相对非直观的特征之间的相互作用。
Dec, 2023
分析恶意软件的重要性在于理解恶意软件的工作原理并开发适当的检测和预防方法。通过动态分析可以克服常用的规避静态分析的技术,并提供关于恶意软件运行时活动的见解。我们提出了一个基于进程级别的循环神经网络(RNN)检测模型,该模型相较于基于机器级别的检测模型有更好的性能。
Oct, 2023
这篇论文集中讨论了一种在计算机网络中识别和检测勒索软件的方法,该方法基于机器学习算法和对网络流量模式的分析,显示机器学习算法可以通过网络流量准确识别和检测勒索软件。
Jan, 2024
通过一项在线实验研究了区块链交易市场中交易者对同侪影响的敏感度以及设计选择对市场行为的影响。结果表明交易者的购买行为会导致购买行为的短期活跃,而交易所的设计会对此产生积极的社会和经济影响。
Jan, 2018
本文提出一份调查报告,介绍机器学习应用于 Web 安全领域,以识别和防止 XSS 和 CSRF 攻击的研究进展,讨论了各种方法的优劣,以期帮助研究人员确定开发新方法的最佳方向并鼓励他们关注 Web 安全和机器学习的交集。
Apr, 2023
本文讨论了利用机器学习方法检测恶意广告链接的问题,提出了一种使用多种特征并结合不同机器学习算法的检测系统,并实现了一种基于 K-means 算法的数据聚类方法以及对决策树模型的攻击形式。
Apr, 2022
该论文综述了在 Windows 环境下应用机器学习技术进行恶意软件分析的方法,并介绍了涉及的因素,包括目标、特征和算法。此外,文中还探讨了相关的数据集、问题和挑战以及未来研究方向,如恶意软件分析经济学。
Oct, 2017