malware classification | BriefGPT

关键词malware classification

搜索结果 - 17

恶意软件数据依赖图特征的 kNN 分类
基于数据依赖图构造的特征表示进行分类，提高了分类准确度和可解释性，同时证明数据依赖图能够准确捕捉语义和结构信息。
PDFa month ago
基于 Opcodes 和 API 调用的恶意软件分类的 CNN-LSTM 和迁移学习模型
通过使用基于 API 调用和操作码的新型模型，将恶意软件进行分类，将其特征转化为 N-grams 序列，并使用各种深度学习架构进行实验，最终取得了 99.91% 的高准确率。
PDF2 months ago
评估基于生成式的大型多模态模型与基于微调的视觉转换器在基于图像的安全应用中的功效
研究了用于解决关键安全挑战的提示引擎 Gemini-pro 多模态模型和精调 ViT 模型的适用性和效果，发现 Gemini-pro 在准确性和可靠性方面存在明显差异，而精调的 ViT 模型在两个任务上表现出色，达到近乎完美的性能。
PDF3 months ago
对敌对攻击和防御的恶意软件分类调查
这项调查研究针对网络安全中恶意软件分类展示了当前对抗性攻击和防御策略的研究，将方法分类为生成模型、基于特征的方法、集成方法和混合策略，并评估了每个领域的优点和缺点，同时讨论了常用的数据集和评估标准，最后提出了开放性研究难题和未来的研究选项。
PDF7 months ago
基于高分辨率图像的恶意软件分类使用多实例学习
本文提出了一种利用高分辨率灰度图像和多实例学习将恶意软件分类为家族的新方法，以克服敌对二进制扩大。通过经验分析和实验表明，现有的基于可视化的恶意软件分类方法往往依赖于输入的有损转换，如调整大小来处理大型、大小可变的图像，而这些方法会导致关键
PDF7 months ago
EMBERSim: 用于提升恶意软件分析中相似性搜索的大规模数据库
近年来，从基于启发式的恶意软件检测转向机器学习，后者对于当前存在严峻的对抗性威胁环境更为强大。然而，我们注意到相似性研究可用数据稀缺，导致相关作品偏重量化恶意软件的相似性而忽视了干净数据，这种单方量化在检测绕过中尤其危险。为此，我们提出从二
PDF9 months ago
利用深度神经网络进行恶意软件分类：性能评估与边缘设备应用
利用深度神经网络（DNNs）对恶意软件进行分类的有效性和性能进行评估，结果表明在不同类型的恶意软件上，DNNs 能够准确分类且具有较高的准确率，且通过优化模型架构和利用边缘计算能力，这些 DNN 模型在资源受限场景下实现了高效性能，为提前检
PDF10 months ago
特征编码对恶意软件分类可解释性的影响
研究探究特征编码技术对可解释人工智能算法的影响，发现在恶意软件分类数据集中，使用 One Hot Encoding（OHE）方法相对于使用 Label Encoding（LE）方法，虽然性能略差，但它提供了更详细的解释，深入探索全局和局部上
PDFa year ago
深度学习模型的隐写容量
研究了机器学习和深度学习模型被用于隐写攻击情景，训练了多层感知器、卷积神经网络和 Transformer 模型进行恶意软件分类，发现模型的隐写容量惊人高，并存在阈值后性能急剧下降。
PDFa year ago
基于案例研究的量子机器学习在网络安全领域的应用：使用量子支持向量机进行恶意软件分类和保护
本文介绍了利用量子机器学习技术应对网络安全挑战的方法，特别是基于 QSVM 模型在恶意软件分类和保护方面的应用，为网络安全学习者设计并开发了十个基于量子机器学习的学习模块，以实现学生中心化、案例研究为基础的学习方法。其中一个子主题被应用于一
PDFa year ago
关于持续学习在恶意软件分类中的局限性
该研究探讨了 11 种连续学习技术在恶意软件分类任务中的应用，包括任务、类别和域的增量学习，在两个现实的、大规模的恶意软件数据集上进行测试，结果表明，大部分连续学习方法在性能上都不如简单的关联式回放方法。
PDF2 years ago
AAAI一种新的 Burrows Wheeler 变换 Markov 距离
介绍了以往研究基于压缩算法的 Burrows Wheeler Transform 在生物信息学中的距离度量问题，提出了其新的替代方案 Burrows Wheeler Markov Distance，可适用于 DNA 序列聚类和恶意软件分类任
PDF5 years ago
KDDKiloGrams：用于恶意软件分类的大型 N-Grams
本篇论文提出了一种快速找出 top-k 频繁 n-gram 的方法，并演示了即便在 n 的规模极大时，n-gram 仍然具有分类预测的能力，同时可用于创建工业标准工具如 Yara 兼容的通用签名特征，且公共 ngram 文件的数量可用于训练
PDF5 years ago
基于字节的深度神经网络用于恶意软件分类的激活分析
使用深度学习模型从二进制数据中自动学习特征表征，在对恶意软件分类中取得了一定的成果，同时探索了训练数据规模和正则化等因素对分类器性能的影响。
PDF5 years ago
基于神经网络的开放集识别表示学习
本文研究开放式识别问题，通过神经网络解决恶意软件分类判断中的未知类别问题，实验结果表明该方法在两个不同领域的三个数据集上比其他方法明显提高。
PDF6 years ago
Lempel-Ziv Jaccard 距离，Ssdeep 和 Sdhash 的有效替代方案
本文旨在将 LZJD 应用于数字取证中并测试其效果。与 sdhash 和 ssdeep 相比，LZJD 在匹配相关文件片段和受随机噪声破坏的文件方面表现优异，并在比较时间方面比 sdhash 快 60 倍。
PDF7 years ago
深度神经网络恶意软件分类的对抗扰动
该研究针对深度神经网络在恶意软件分类中存在的漏洞，通过对对抗样本进行有效构建的攻击，探讨如何构建在样本生成方面更具挑战性的更安全的模型。该研究表明，在对抗样本的制作方面，恶意软件分类与计算机视觉领域之间存在巨大的差异。本文还评估了潜在的防御
PDF8 years ago