malware | BriefGPT - AI 论文速递

关键词malware

搜索结果 - 30

针对僵尸网络的加密和隐蔽 DNS 查询：挑战和对策
该篇研究论文探讨了现代恶意软件使用的域名生成算法（DGAs）和流量分析等技术，以躲避传统安全机制监测及拦截，从而对网络安全提出挑战。
PDF5 years ago
Hydras 和 IPFS：针对恶意软件的去中心化游乐场
本文介绍了一种基于资源标识符生成算法（Resource Identifier Generation Algorithms）的机制，扩展了领域生成算法（Domain Generation Algorithms）的功能，介绍了利用星际文件系统（
PDF5 years ago
针对二进制编码恶意软件的对抗深度学习鲁棒检测
该研究介绍了一种基于鞍点优化的方法在二进制域内生成功能保留的恶意软件对抗样本，以及将其融入模型训练当中，提高模型对对抗样本的鲁棒性，并引入一种在线计量方式来评价模型的鲁棒性预期。
PDF6 years ago
DeepSign：用于自动恶意软件签名生成与分类的深度学习
本文提出了一种基于深度学习的自动生成和分类恶意软件签名的方法，使用深度置信网络 (DBN) 生成恶意软件行为的不变紧凑表示。通过使用 DBN 生成的签名，本方法使用包含数百个变体的数据集，对几个主要恶意软件家族的新变体实现了 98.6% 的
PDF7 years ago
恶意软件分析的机器学习技术调查
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。
PDF7 years ago
Monet: Android 用户行为感知恶意软件变体检测系统
本文提出了一种针对 Android 恶意软件的检测框架 MONET，该框架结合了恶意软件的运行行为和静态结构来检测恶意软件变种，并通过两种新颖的拦截技术实现了轻量级行为监测和签名生成，能够在 7% 的性能开销和 3% 的电池开销下，达到 9
PDF8 years ago
使用 LSTM 网络预测域名生成算法
本文提出了一种基于长短期记忆网络的 DGA 分类器，可预测 DGAs 及其相关家族而无需事先进行特征提取，相较于同类方法，检测率提高了 20 倍，误报率减少到 1/10000。
PDF8 years ago
恶意软件使用 TLS 的解密
本研究表明，TLS 的数据特征可以用于检测和理解恶意软件通信，同时保护加密的良好使用隐私。此外，这些特征还可以实现准确的恶意软件家族网络通信归属，即使限制在单个加密流中。
PDF8 years ago
DroidAnalytics: 基于特征的分析系统，用于收集、提取、分析和关联 Android 恶意软件
本文介绍了 DroidAnalytics，一个基于签名的分析系统，用于自动收集、管理、分析和提取 Android 恶意软件，通过对 150,368 个 Android 应用程序的分析，发现了来自 102 个不同家族的 2,494 个 And
PDF11 years ago
MM基于调用图聚类的恶意软件分类
使用通话图聚类技术进行恶意软件分析，可过滤掉某些程序特征的差异，从而检测到程序间的结构相似性，并结合聚类算法识别出恶意家族，实现恶意程序检测。
PDF14 years ago