Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Phân loại phần mềm độc hại dựa trên tín hiệu sử dụng CNN 1D

Created by
  • Haebom

Tác giả

Jack Wilkie, Hanan Hindy, Ivan Andonovic, Christos Tachtatzis, Robert Atkinson

Phác thảo

Bài báo này đề xuất một phương pháp mới để phân loại phần mềm độc hại bằng cách chuyển đổi mã nhị phân phần mềm độc hại thành tín hiệu 1D nhằm khắc phục những hạn chế của các phương pháp phân tích tĩnh và động hiện có. Trong khi các phương pháp chuyển đổi ảnh 2D hiện có gặp phải tình trạng mất thông tin do nhiễu lượng tử hóa và sự xuất hiện của các phụ thuộc 2D, phương pháp chuyển đổi tín hiệu 1D của chúng tôi giải quyết những vấn đề này. Chúng tôi áp dụng kiến ​​trúc CNN 2D thông thường cho phân loại tín hiệu 1D và phát triển một CNN 1D tùy chỉnh dựa trên kiến ​​trúc ResNet và các lớp nén và kích thích. Chúng tôi đánh giá phương pháp được đề xuất trên tập dữ liệu MalNet. Kết quả là, chúng tôi đạt được điểm F1 tiên tiến lần lượt là 0,874, 0,503 và 0,507 cho phân loại nhị phân, loại và chuỗi.

Takeaways, Limitations

Takeaways:
Chúng tôi đã giải quyết vấn đề mất thông tin của các phương pháp chuyển đổi hình ảnh 2D hiện có bằng cách chuyển đổi mã nhị phân phần mềm độc hại thành tín hiệu 1D.
Chúng tôi đã chứng minh tính ứng dụng của kiến ​​trúc CNN 2D hiện có vào phân loại tín hiệu 1D.
Chúng tôi đã đạt được hiệu suất tiên tiến nhất trên tập dữ liệu MalNet bằng cách sử dụng CNN 1D tùy chỉnh.
Chúng tôi trình bày phương thức phân loại phần mềm độc hại mới, mở ra khả năng cho nghiên cứu trong tương lai.
Limitations:
Chỉ đánh giá hiệu suất được thực hiện trên tập dữ liệu MalNet và cần nghiên cứu thêm để xác định hiệu suất tổng quát trên các tập dữ liệu khác.
Thiếu phân tích chuyên sâu về hiệu suất trích xuất tính năng và phân loại của các phương pháp chuyển đổi tín hiệu 1D.
Cần có thêm nghiên cứu để áp dụng phương pháp này vào các hệ thống phát hiện phần mềm độc hại trong thế giới thực (ví dụ: hiệu suất xử lý thời gian thực, khả năng mở rộng, v.v.).
👍