論文の概要: A Survey of Machine Learning Algorithms for Detecting Ransomware Encryption Activity

• arxiv url: http://arxiv.org/abs/2110.07636v1
• Date: Thu, 14 Oct 2021 18:02:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 10:10:01.495106
• Title: A Survey of Machine Learning Algorithms for Detecting Ransomware Encryption Activity
• Title（参考訳）: ランサムウェア暗号化活動検出のための機械学習アルゴリズムの検討
• Authors: Erik Larsen, David Noever, Korey MacVittie
• Abstract要約: ランサムウェアを検出するために訓練された機械学習技術について調査する。 この研究は、Taylorらによる、センサーベースの方法による暗号化アクティビティの識別の取り組みに基づいている。 ランダムフォレストモデルでは、93%の精度と92%のF1のスコアが生成され、センサーによる検出が、コードが完全に実行される前にゼロデイランサムウェア攻撃を検知する実行可能な選択肢であることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A survey of machine learning techniques trained to detect ransomware is presented. This work builds upon the efforts of Taylor et al. in using sensor-based methods that utilize data collected from built-in instruments like CPU power and temperature monitors to identify encryption activity. Exploratory data analysis (EDA) shows the features most useful from this simulated data are clock speed, temperature, and CPU load. These features are used in training multiple algorithms to determine an optimal detection approach. Performance is evaluated with accuracy, F1 score, and false-negative rate metrics. The Multilayer Perceptron with three hidden layers achieves scores of 97% in accuracy and F1 and robust data preparation. A random forest model produces scores of 93% accuracy and 92% F1, showing that sensor-based detection is currently a viable option to detect even zero-day ransomware attacks before the code fully executes.
• Abstract（参考訳）: ランサムウェアを検出するために訓練された機械学習技術の調査を示す。 この研究はTaylorらによる、CPUの電力や温度モニターなどの内蔵機器から収集されたデータを利用して暗号化活動を識別するセンサーベースの手法の取り組みに基づいている。 探索データ分析(EDA)では、このシミュレーションデータから最も有用な機能は、クロック速度、温度、CPU負荷である。 これらの機能は、最適な検出アプローチを決定するために複数のアルゴリズムのトレーニングに使用される。 性能は精度、F1スコア、偽陰性レートメトリクスで評価される。 3つの隠蔽層を持つ多層パーセプトロンは、97%の精度とF1とロバストなデータ準備を達成する。 ランダムフォレストモデルでは、93%の精度と92%のf1が生成され、コードの実行前にゼロデイランサムウェア攻撃を検出するには、センサベースの検出が有効な選択肢であることを示している。

関連論文リスト

• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• A Machine Learning-based Algorithm for Automated Detection of Frequency-based Events in Recorded Time Series of Sensor Data [0.0]
  本研究では,時系列データ中の周波数に基づく事象を識別する新しい事象検出手法を提案する。 時系列データを解析するためには、訓練対象検出モデルを用いて頭蓋骨内にイベントを検出することができる。 このアルゴリズムは未知のデータセットに基づいて評価され、イベント検出の精度は0.97である。
  論文  参考訳（メタデータ） (2023-10-16T21:35:23Z)
• Fast-DetectGPT: Efficient Zero-Shot Detection of Machine-Generated Text via Conditional Probability Curvature [36.31281981509264]
  大規模言語モデル(LLM)は、流動的でコジェントなコンテンツを生成する能力を示している。 信頼できるAIシステムを構築するためには、マシン生成コンテンツと人間によるコンテンツとを区別することが不可欠である。 Fast-DetectGPTは、ディテクターGPTの摂動ステップを、より効率的なサンプリングステップで置き換える最適化されたゼロショット検出器である。
  論文  参考訳（メタデータ） (2023-10-08T11:41:28Z)
• PULL: Reactive Log Anomaly Detection Based On Iterative PU Learning [58.85063149619348]
  本稿では,推定故障時間ウィンドウに基づくリアクティブ異常検出のための反復ログ解析手法PULLを提案する。 我々の評価では、PULLは3つの異なるデータセットで10のベンチマークベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2023-01-25T16:34:43Z)
• Effective Metaheuristic Based Classifiers for Multiclass Intrusion Detection [0.0]
  侵入検知は情報システムやネットワークデバイスのセキュリティにおいて重要な役割を果たす。 大量のデータを持つことは、攻撃を検出する上で重要な問題のひとつだ。 特徴選択法は、最適な特徴を選択し、最大限の精度を達成するための鍵となる役割を担っている。
  論文  参考訳（メタデータ） (2022-10-06T04:56:01Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• MLGWSC-1: The first Machine Learning Gravitational-Wave Search Mock Data Challenge [110.7678032481059]
  第1回機械学習重力波探索モックデータチャレンジ(MLGWSC-1)の結果を示す。 この課題のために、参加するグループは、より現実的な雑音に埋め込まれた複雑さと持続期間が増大する二元ブラックホールの融合から重力波信号を特定する必要があった。 この結果から,現在の機械学習検索アルゴリズムは,限られたパラメータ領域においてすでに十分敏感である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-09-22T16:44:59Z)
• Modern Cybersecurity Solution using Supervised Machine Learning [0.456877715768796]
  従来のファイアウォールと侵入検知システムは、設定されたルールにマッチしない新しい攻撃、ゼロデイ攻撃、トラフィックパターンの検出に失敗する。 我々はNetflowデータセットを用いて、データ分析を適用した後に特徴を抽出した。 我々の実験は、機械学習アルゴリズムがBotトラフィック、Malwareトラフィック、バックグラウンドトラフィックをいかに効率的に検出できるかに焦点を当てている。
  論文  参考訳（メタデータ） (2021-09-15T22:03:50Z)
• Smartphone Impostor Detection with Behavioral Data Privacy and Minimalist Hardware Support [7.374079197112307]
  impostorは、スマートフォンを乗っ取り、合法的なユーザーの機密情報や個人情報にアクセスする攻撃者です。 本稿では,簡単な深層学習アルゴリズムを用いてイポスタを素早く検出する防御機構を提案する。 また,スマートフォンインポスタ検出器用sidと呼ばれるミニマリストハードウェアモジュールを,自己完結インポスタ検出のためにスマートフォンに設計・統合する方法を示す。
  論文  参考訳（メタデータ） (2021-03-11T04:39:53Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。