論文の概要: Rank-1 Similarity Matrix Decomposition For Modeling Changes in Antivirus Consensus Through Time

• arxiv url: http://arxiv.org/abs/2201.00757v1
• Date: Tue, 28 Dec 2021 15:54:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-09 13:33:06.503952
• Title: Rank-1 Similarity Matrix Decomposition For Modeling Changes in Antivirus Consensus Through Time
• Title（参考訳）: Rank-1 類似マトリックス分解による抗ウイルス薬の経時的変化のモデル化
• Authors: Robert J. Joyce and Edward Raff and Charles Nicholas
• Abstract要約: 2500万件のVrusTotalレポートのコーパスを用いて、相関が主に「一階の」相互作用に由来するという一般的な知恵に挑戦する。 時間的ランク1類似行列分解(R1SM-T)を導入し,これらの相関関係の起源について検討する。 従来考えられていたようなアンチウイルス相関の挙動は1次相互作用では説明できないこと,また,抗ウイルスエンジン間の関係は揮発性が高いことを明らかにする。
• 参考スコア（独自算出の注目度）: 38.93222229176765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although groups of strongly correlated antivirus engines are known to exist, at present there is limited understanding of how or why these correlations came to be. Using a corpus of 25 million VirusTotal reports representing over a decade of antivirus scan data, we challenge prevailing wisdom that these correlations primarily originate from "first-order" interactions such as antivirus vendors copying the labels of leading vendors. We introduce the Temporal Rank-1 Similarity Matrix decomposition (R1SM-T) in order to investigate the origins of these correlations and to model how consensus amongst antivirus engines changes over time. We reveal that first-order interactions do not explain as much behavior in antivirus correlation as previously thought, and that the relationships between antivirus engines are highly volatile. We make recommendations on items in need of future study and consideration based on our findings.
• Abstract（参考訳）: 強い相関を持つアンチウイルスエンジンのグループは存在することが知られているが、現時点ではこれらの相関がどのようにして発生したかの理解は限られている。 抗ウイルススキャンデータの10年以上のデータを表現した2500万のウイルストータルレポートのコーパスを用いて、これらの相関関係は、主に主要なベンダーのラベルをコピーするアンチウイルスベンダーのような「一階の」相互作用に由来するという通説に挑戦する。 本稿では,これらの相関関係の起源を解明し,抗ウイルスエンジン間のコンセンサスの変化をモデル化するために,時間的ランク1類似行列分解(R1SM-T)を導入する。 従来考えられていたようなアンチウイルス相関の挙動は1次相互作用では説明されず, 抗ウイルスエンジン間の関係は揮発性が高いことが明らかとなった。 今後の研究や検討が必要な項目について,本研究の成果に基づいて推奨する。

関連論文リスト

• Transformers with Sparse Attention for Granger Causality [0.8249694498830561]
  トランスフォーマーのような深層学習に基づく手法は、単なる相関を超えた時間的ダイナミクスや因果関係を捉えるのにますます使われている。 近年の研究では、変圧器の自己注意重みが因果関係の指標として有用であることが示唆されている。 本稿では,時系列データの変数間の因果関係と遅延依存性の差異を関連付けるために,自己アテンションモジュールの新たな修正を提案する。
  論文  参考訳（メタデータ） (2024-11-20T12:34:06Z)
• EMBERSim: A Large-Scale Databank for Boosting Similarity Search in Malware Analysis [48.5877840394508]
  近年,定量化によるマルウェア検出から機械学習への移行が進んでいる。 本稿では、EMBERから始まるバイナリファイルの類似性研究の領域における欠陥に対処することを提案する。 我々は、EMBERに類似情報とマルウェアのクラスタグを付与し、類似性空間のさらなる研究を可能にする。
  論文  参考訳（メタデータ） (2023-10-03T06:58:45Z)
• Causal Transformer for Estimating Counterfactual Outcomes [18.640006398066188]
  多くのアプリケーションでは、観測データから時間とともに反現実的な結果を予測することが重要となる。 我々は、時間とともに反現実的な結果を予測するための新しい因果変換器を開発した。 私たちのモデルは、時間によって異なる共同設立者間の複雑な長距離依存関係をキャプチャするために特別に設計されています。
  論文  参考訳（メタデータ） (2022-04-14T22:40:09Z)
• An Ensemble of Pre-trained Transformer Models For Imbalanced Multiclass Malware Classification [0.0]
  マルウェアによって生成されるAPI呼び出しシーケンスは、マルウェア分類のための機械学習モデルやディープラーニングモデルによって広く利用されている。 従来の機械学習モデルとディープラーニングモデルは、API呼び出し間のシーケンス関係をキャプチャできないままです。 実験により, 1つのトランスブロック層を有するトランスモデルが, 広く使用されているベースアーキテクチャ, LSTMを超越したことを示す。 BERTまたはCANINE(事前訓練されたトランスフォーマーモデル)は、評価指標、F1スコア、AUCスコアに基づいて、高度に不均衡なマルウェアファミリーを分類する上で優れていた。
  論文  参考訳（メタデータ） (2021-12-25T13:40:07Z)
• ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
  ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。 我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:02:50Z)
• Correct block-design experiments mitigate temporal correlation bias in EEG classification [68.85562949901077]
  [1]の主主張は極めて過大評価されており、他の分析は間違った方法論的選択によって深刻な欠陥を負っていることを示す。 脳波の時間相関が2つの実験環境で同じモデルをテストすることによって分類精度に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2020-11-25T22:25:21Z)
• Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
  本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。 一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。 一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
  論文  参考訳（メタデータ） (2020-10-21T11:07:53Z)
• Temporal Positive-unlabeled Learning for Biomedical Hypothesis Generation via Risk Estimation [46.852387038668695]
  本稿では,仮説生成の科学的プロセスに機械学習を導入することを目的とする。 本稿では,ノード対埋め込みの学習において,前向きの確率を推定するための変分推論モデルを提案する。 実世界のバイオメディカルな用語関係データセットの実験結果と、COVID-19データセットのケーススタディ分析により、提案モデルの有効性が検証された。
  論文  参考訳（メタデータ） (2020-10-05T10:58:03Z)
• Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
  人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。 我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T02:47:45Z)

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。