Mar, 2024

全息全球卷积网络用于恶意软件检测中的长距离预测任务

PDF
TL;DR我们提出了一种新的全局卷积网络方法，利用全息降维表示（HRR）来编码和解码序列元素的特征，并且在微软恶意软件分类挑战、Drebin 和 EMBER 恶意软件基准测试中取得了最新的研究成果，时间复杂度高效。
malware detectionholographic global convolutional networkshrrmicrosoft malware classification challengerun-time
发现论文，激发创造
  • 可变形图卷积网络

    本篇论文提出了一种新型的图卷积神经网络 Deformable GCNs，它可以在多个潜在空间适应性地执行卷积操作，并捕获节点之间的短 / 长距离依赖关系，从而处理异构性，并在六个异质性图数据集中实现节点分类任务的最佳性能。

    Dec, 2021

  • 利用分层卷积学习动态相关性并通过降噪长期序列预测

    提出了一种 Hierarchical Memorizing Network (HMNet) 模型，通过引入分层卷积结构、动态变量交互模块和自适应去噪模块，实现了对序列的多尺度信息提取、变量之间动态相关性学习和类似模式的去噪，实验证明 HMNet 在多个基准测试上明显优于现有模型。

    Dec, 2023

  • 卷积模型为什么在长序列建模上表现出色？

    本文讨论了卷积模型的长程依赖问题，并介绍了一种名为 S4 的模型及其相应的结构基本原理，以及基于这些原理提出的 SGConv 卷积模型，在多项任务上表现出了强大的实际性能和潜力。

    Oct, 2022

  • 可扩展高效的高维计算网络入侵检测

    本文提出了一种创新的超维计算学习框架 ——CyberHD，通过重新生成维度来捕捉网络威胁的复杂模式，达到极低维度，并且具有很高的硬件错误容错性。

    Apr, 2023

  • 神经网络紧凑全局描述符

    本文提出一种轻量级全局描述符，以建模跨不同维度（如通道、帧）之间的位置交互作用，使得后续卷积能够合理地访问此全局特征，从而在计算成本和参数数量上有了巨大的降低，也完成了最有效的长距离机制。

    Jul, 2019

  • 应用常数内存分类极长序列，用于恶意软件检测

    本文介绍了一种新的时间最大池化方法及全局通道门控设计，在提高传统 CNN 运行速度的同时，在能有效处理 100m + 长度的输入的情况下，还能够提高 MalConv 的性能。

    Dec, 2020

  • 使用远程 2D 上下文的 3D 卷积神经网络进行肿瘤分割

    提出了一种基于卷积神经网络的肿瘤分割方法，采用多种序列图像，结合 2D 和 3D 上下文，通过级联 2D-3D、子网络处理缺失图像序列等策略提高了效率，在 BRATS 2017 竞赛中良好表现，可用于各种分割任务。

    Jul, 2018

  • 扩张卷积用于建模长距离基因组依赖关系

    本文利用扩张卷积神经网络模型长距离相互作用，有效地检测人类基因组中的调控元素

    Oct, 2017

  • 全卷积网络的全局聚合和本地分布

    该论文提出了一种名为 GALD 的网络结构，通过全局聚合和本地分布两个步骤，对物体位置大小进行估计，从而更加准确地建立物体间的长程依赖关系，实现语义分割和物体检测任务中的新的最先进性能。

    Sep, 2019

  • 使用局部和全局扩散学习时空表示

    本文介绍了一种通过局部和全局扩散来增强时空表示学习的新框架，其网络结构由 LGD 块组成，通过模拟这两种表示之间的扩散来更新局部和全局特征，并引入核分类器将两个方面的表示相结合，在视频识别中取得了 3.5％和 0.7％的性能提升。

    Jun, 2019