malware detection | BriefGPT

关键词malware detection

搜索结果 - 80

基于系统调用的恶意软件检测的预训练大型语言模型中的迁移学习
利用大型语言模型结合系统调用分析，通过重新训练检测恶意系统调用，该研究提出了一种新的框架来改进恶意软件的检测，实验表明具有更大上下文尺寸的模型能够实现更高的准确性和 F1 分数，这一方法在高风险环境中具有实时检测的潜力，为不断演变的网络威胁
PDF2 months ago
已知和新兴恶意软件家族的在线聚类
通过使用基于机器学习的在线聚类模型，该研究论文介绍了一种将恶意软件样本在线聚类为恶意软件家族的方法，提高了恶意软件检测和分类的效率。
PDF2 months ago
基于神经嵌入和 BERTroid 的安卓恶意软件检测
BERTroid 是基于 BERT 架构构建的创新恶意软件检测模型，作为主动式防御机制，其表现优于现有的解决方案，通过在多个数据集上评估，证明了在安卓系统上应对恶意软件的潜力。
PDF2 months ago
可解释的恶意软件检测：基于定制化逻辑的解释网络
使用 Logic Explained Networks (LENs) 方法在复杂领域的恶意软件检测中，提供了解释模型决策的 First-Order Logic (FOL) 规则，并在实验结果中展示了其与传统可解释方法和黑盒模型相媲美的鲁棒性
PDF2 months ago
基于机器学习的恶意软件检测器的认证对抗鲁棒性：(去) 随机平滑
本研究提出了一种针对补丁攻击的可验证防御机制，通过将可执行文件划分为非重叠的块，并采用多数投票的方式计算最终预测结果，从而最小化注入内容的影响。此外，引入了预处理步骤，将部分和标头的大小固定为块大小的倍数，从而确保恶意内容仅存在于整数个块中
PDF2 months ago
嵌入式计算系统的有效恶意软件检测
嵌入式计算系统的关键安全威胁之一是恶意软件，近期机器学习已被广泛应用于恶意软件检测，但现有技术需要大量良性和恶意样本来训练有效的恶意软件检测器。为解决此问题，我们引入了一种基于代码感知的数据生成技术，通过设备生成多个有限见过的恶意软件的变异
PDF3 months ago
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
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。
PDF3 months ago
恶意软件检测中机器学习对 Mal-API-2019 数据集的综合评估
本研究使用机器学习技术对恶意软件检测进行了全面研究，重点评估了在 Mal-API-2019 数据集上使用各种分类模型的效果，旨在通过更有效地识别和减轻威胁来提升网络安全能力。研究探讨了集成和非集成的机器学习方法，例如随机森林、XGBoost
PDF4 months ago
使用多个卷积神经网络进行静态恶意软件检测中的区段分析
现有的恶意软件检测研究主要关注检测速度，但在某些情况下，了解算法的结果或获取更多信息，例如在文件中进行分析的位置，也是很重要的。为了达到这个目标，我们提出了一个新的模型来分析可移植可执行文件。我们的方法是将文件分成不同的部分，然后将每个部分
PDF5 months ago
ActDroid：一种用于 Android 恶意软件检测的主动学习框架
Android 恶意软件检测：使用在线学习处理流式数据问题，提高分类精确性和标记效率，并探索不同静态、动态和混合特征集在恶意软件分类中的权衡。
PDF5 months ago
MORPH：面向恶意软件检测的自动概念漂移适应
在这项研究中，我们提出了一种名为 MORPH 的有效基于伪标签的概念漂移自适应方法，特别适用于神经网络。通过对 Android 和 Windows 恶意软件数据集的广泛实验分析，我们证明了我们的方法在减轻概念漂移影响方面的功效。我们的方法在
PDF5 months ago
使用机器学习技术的物联网系统恶意软件检测
提出了一种 CNN-LSTM 混合模型，用于物联网恶意软件识别，并使用 K 折交叉验证评估了其性能，其准确率达到 95.5%，超越了现有方法。研究表明，CNN 算法有助于构建学习模型，而 LSTM 分类器在分类方面表现出了更高的准确性。与普
PDF6 months ago
从结构交互中发现软件中的恶意签名
提出了一种新颖的计算机病毒检测方法，利用深度学习、数学技术和网络科学，通过对复杂网络中应用程序进行静态和动态分析，利用生成的网络拓扑图输入到 GraphSAGE 架构中，以节点特征表示操作名称，通过分析网络的拓扑几何结构进行预测，达到检测最
PDF6 months ago
基于分布式 QCNN 的深度恶意软件检测
通过使用灰度处理方法与由五个分布式量子卷积网络和评分函数组成的模型相结合，我们实现了对数据集的新预处理，以提高基于图像的恶意软件检测的性能，而不增加量子位所需的资源，结果表明测试的准确率和 F1 评分分别提高了约 20%。
PDF6 months ago
基于工具的恶意软件动态分析：利用 GPT-4
通过使用 GPT-4 进行提示工程辅助的恶意软件动态分析方法，在 API 序列中为每个 API 调用创建说明性文本，利用预训练的语言模型 BERT 获取文本的表示，从而获得 API 序列的表示。通过这种方法，本文提出能够生成所有 API 调
PDF7 months ago
物联网在医疗领域中的发展与挑战：简要回顾
通过综合评述，我们对在物联网环境中用于检测和预防恶意软件的现有策略进行了比较分析。
PDF8 months ago
保障数字世界安全：利用人工智能（AI）提供恶意软件和入侵检测保护智能基础设施和数字产业
本研究探讨基于人工智能的网络威胁检测以保护我们的现代数字生态系统，主要关注评估基于机器学习的分类器和集成模型，用于异常恶意软件检测和网络入侵检测，并探讨如何将这些模型整合到网络安全、移动安全和物联网安全的环境中。讨论重点是在企业系统和 IT
PDF9 months ago
烧毁对抗性桥梁：针对二进制级变异的强大 Windows 恶意软件检测
通过消除恶意软件植入的易受攻击信息通道，我们提出了三个软件预处理步骤以降低威胁表面，并引入了基于图的恶意软件检测方案，利用软件中各个部分的信息聚合来提高恶意软件检测的准确性。实验结果显示，我们的方案可以在对抗性环境下以 88.32% 的曲线
PDF9 months ago
对基于集成学习的 Windows PE 恶意软件检测器的对抗样本有效性研究
机器学习在网络安全领域，尤其是恶意软件检测和预防方面引起了越来越多的关注和兴趣。本研究提出了一种通过结合生成对抗网络（GANs）和强化学习（RL）来应对合集学习型检测器的变异系统，克服了现有模型的局限性。实验证明，该模型在保持可执行文件格式
PDF9 months ago
星云：自我注意力用于动态恶意软件分析
通过动态分析和神经网络结构，本文提出了一种多功能的自注意力变换器神经架构 Nebula，用于检测和分类 Windows 恶意软件，并在多个数据集上进行了测试和性能比较。
PDF9 months ago