Fugu-MT 論文翻訳(概要): Ransomware in Windows and Android Platforms

論文の概要: Ransomware in Windows and Android Platforms

arxiv url: http://arxiv.org/abs/2005.05571v1
Date: Tue, 12 May 2020 06:40:44 GMT
ステータス: 処理完了
システム内更新日: 2023-05-20 11:59:24.495497
Title: Ransomware in Windows and Android Platforms
Title（参考訳）: WindowsとAndroidプラットフォームのランサムウェア
Authors: Abdulrahman Alzahrani, Ali Alshehri, Hani Alshahrani, Huirong Fu
Abstract要約: 本稿では,ランサムウェア攻撃の包括的概要と,WindowsとAndroidの両プラットフォームにおける既存の検出・防止技術の概要について述べる。ユーザとシステム管理者にレコメンデーションを提供する。
参考スコア（独自算出の注目度）: 1.41081872409308
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Malware proliferation and sophistication have drastically increased and evolved continuously. Recent indiscriminate ransomware victimizations have imposed critical needs of effective detection techniques to prevent damages. Therefore, ransomware has drawn attention among cyberspace researchers. This paper contributes a comprehensive overview of ransomware attacks and summarizes existing detection and prevention techniques in both Windows and Android platforms. Moreover, it highlights the strengths and shortcomings of those techniques and provides a comparison between them. Furthermore, it gives recommendations to users and system administrators.
Abstract（参考訳）: マルウェアの増殖と高度化は飛躍的に増大し、進化を続けている。近年の無差別なランサムウェア被害は、被害を防ぐために効果的な検出技術に重大なニーズを課している。そのため、ランサムウェアはサイバースペース研究者の間で注目を集めている。本稿では,ランサムウェア攻撃の包括的概要と,WindowsおよびAndroidプラットフォームにおける既存の検出・防止技術の概要について述べる。さらに、これらのテクニックの長所と短所を強調し、それらの比較を提供する。さらに、ユーザとシステム管理者にレコメンデーションを提供する。

関連論文リスト

MASKDROID: Robust Android Malware Detection with Masked Graph Representations [56.09270390096083]
マルウェアを識別する強力な識別能力を持つ強力な検出器MASKDROIDを提案する。我々は、グラフニューラルネットワークベースのフレームワークにマスキング機構を導入し、MASKDROIDに入力グラフ全体の復元を強制する。この戦略により、モデルは悪意のあるセマンティクスを理解し、より安定した表現を学習し、敵攻撃に対する堅牢性を高めることができる。
論文参考訳（メタデータ） (2024-09-29T07:22:47Z)
Understanding crypter-as-a-service in a popular underground marketplace [51.328567400947435]
Cryptersは、ターゲットバイナリを変換することで、アンチウイルス(AV)アプリケーションからの検出を回避できるソフトウェアの一部です。シークレット・アズ・ア・サービスモデルは,検出機構の高度化に対応して人気を博している。本論文は,シークレット・アズ・ア・サービスに特化したオンライン地下市場に関する最初の研究である。
論文参考訳（メタデータ） (2024-05-20T08:35:39Z)
Detection of ransomware attacks using federated learning based on the CNN model [3.183529890105507]
本稿では,デジタルサブステーションの破壊動作をターゲットとしたランサムウェア攻撃モデリング手法を提案する。提案手法はランサムウェアを高い精度で検出することを示した。
論文参考訳（メタデータ） (2024-05-01T09:57:34Z)
Ransomware threat mitigation through network traffic analysis and machine learning techniques [0.0]
本稿では,コンピュータネットワークにおけるランサムウェアの認識と識別方法に焦点を当てる。このアプローチは、機械学習アルゴリズムの使用と、ネットワークトラフィックのパターンの分析に依存する。本手法の実装により,ネットワークトラフィックに基づいて,機械学習アルゴリズムが効果的にランサムウェアを特定できることが示唆された。
論文参考訳（メタデータ） (2024-01-27T03:55:28Z)
Ransomware Detection and Classification using Machine Learning [7.573297026523597]
本研究ではXGBoostとRandom Forest(RF)アルゴリズムを用いてランサムウェア攻撃を検出し分類する。モデルはランサムウェア攻撃のデータセットに基づいて評価され、ランサムウェアの正確な検出と分類の有効性を示す。
論文参考訳（メタデータ） (2023-11-05T18:16:53Z)
A survey on hardware-based malware detection approaches [45.24207460381396]
ハードウェアベースのマルウェア検出アプローチは、ハードウェアパフォーマンスカウンタと機械学習技術を活用する。このアプローチを慎重に分析し、最も一般的な方法、アルゴリズム、ツール、および輪郭を形成するデータセットを解明します。この議論は、協調的有効性のための混合ハードウェアとソフトウェアアプローチの構築、ハードウェア監視ユニットの不可欠な拡張、ハードウェアイベントとマルウェアアプリケーションの間の相関関係の理解を深めている。
論文参考訳（メタデータ） (2023-03-22T13:00:41Z)
DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified Robustness [58.23214712926585]
我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
論文参考訳（メタデータ） (2023-03-20T17:25:22Z)
Minerva: A File-Based Ransomware Detector [2.139756658997758]
本稿ではランサムウェア検出のための新しい堅牢なアプローチであるMinervaについて述べる。 Minervaは、回避攻撃に対する設計によって堅牢に設計されており、アーキテクチャと特徴の選択は、敵の操作に対するレジリエンスによって通知される。我々の評価は、ミネルバがランサムウェアを正確に識別し、目に見えない脅威に一般化し、回避攻撃に耐える能力を示している。
論文参考訳（メタデータ） (2023-01-26T11:47:10Z)
Malware Detection and Prevention using Artificial Intelligence Techniques [7.583480439784955]
マルウェアの活動の増加により、セキュリティが大きな問題となっている。本研究では,マルウェアの活動を検出し防止するための人工知能(AI)に基づく手法を強調した。
論文参考訳（メタデータ） (2022-06-26T02:41:46Z)
Adversarial Attacks against Windows PE Malware Detection: A Survey of the State-of-the-Art [44.975088044180374]
本稿は,Windowsオペレーティングシステム,すなわちWindows PEのファイル形式である,ポータブル実行可能(PE)のファイル形式に焦点をあてる。まず、ML/DLに基づくWindows PEマルウェア検出の一般的な学習フレームワークについて概説する。次に、PEマルウェアのコンテキストにおいて、敵攻撃を行うという3つのユニークな課題を強調した。
論文参考訳（メタデータ） (2021-12-23T02:12:43Z)
Being Single Has Benefits. Instance Poisoning to Deceive Malware Classifiers [47.828297621738265]
攻撃者は、マルウェア分類器を訓練するために使用されるデータセットをターゲットとした、高度で効率的な中毒攻撃を、どのように起動できるかを示す。マルウェア検出領域における他の中毒攻撃とは対照的に、我々の攻撃はマルウェアファミリーではなく、移植されたトリガーを含む特定のマルウェアインスタンスに焦点を当てている。我々は、この新たに発見された深刻な脅威に対する将来の高度な防御に役立つ包括的検出手法を提案する。
論文参考訳（メタデータ） (2020-10-30T15:27:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。