Fugu-MT 論文翻訳(概要): A Comparison of Static, Dynamic, and Hybrid Analysis for Malware Detection

論文の概要: A Comparison of Static, Dynamic, and Hybrid Analysis for Malware Detection

arxiv url: http://arxiv.org/abs/2203.09938v1
Date: Sun, 13 Mar 2022 15:52:31 GMT
ステータス: 処理完了
システム内更新日: 2022-03-27 11:00:09.335729
Title: A Comparison of Static, Dynamic, and Hybrid Analysis for Malware Detection
Title（参考訳）: マルウェア検出のための静的,動的,ハイブリッド解析の比較
Authors: Anusha Damodaran and Fabio Di Troia and Visaggio Aaron Corrado and Thomas H. Austin and Mark Stamp
Abstract要約: 静的,動的,ハイブリッド解析に基づくマルウェア検出手法の比較を行った。我々の実験では、完全にダイナミックなアプローチは一般的に最高の検出率をもたらす。
参考スコア（独自算出の注目度）: 4.759823735082844
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this research, we compare malware detection techniques based on static, dynamic, and hybrid analysis. Specifically, we train Hidden Markov Models (HMMs ) on both static and dynamic feature sets and compare the resulting detection rates over a substantial number of malware families. We also consider hybrid cases, where dynamic analysis is used in the training phase, with static techniques used in the detection phase, and vice versa. In our experiments, a fully dynamic approach generally yields the best detection rates. We discuss the implications of this research for malware detection based on hybrid techniques.
Abstract（参考訳）: 本研究では,静的,動的,ハイブリッド解析に基づくマルウェア検出手法の比較を行った。具体的には、静的特徴セットと動的特徴セットの両方でHMM(Hidden Markov Models)を訓練し、その結果の検出率を相当数のマルウェア群と比較する。また,動的解析をトレーニングフェーズで,静的手法を検出フェーズで使用するハイブリッドケースについても検討し,その逆も検討した。我々の実験では、完全にダイナミックなアプローチは一般的に最高の検出率をもたらす。本稿では,ハイブリッド技術を用いたマルウェア検出における本研究の意義について論じる。

関連論文リスト

Impacts of Data Preprocessing and Hyperparameter Optimization on the Performance of Machine Learning Models Applied to Intrusion Detection Systems [0.8388591755871736]
侵入検知システム(IDS)は継続的に改善されている。その多くは、脅威を特定するために機械学習(ML)技術を採用している。本稿では,この研究ギャップを埋める研究について述べる。
論文参考訳（メタデータ） (2024-07-15T14:30:25Z)
SLIFER: Investigating Performance and Robustness of Malware Detection Pipelines [12.940071285118451]
アカデミアは、モデル1つまたはアンサンブル内の静的解析と動的解析を組み合わせることに焦点を当てる。静的解析と動的解析の両方を逐次利用したWindowsのマルウェア検出パイプラインであるSLIFERを提案する。
論文参考訳（メタデータ） (2024-05-23T12:06:10Z)
A Multi-Grained Symmetric Differential Equation Model for Learning Protein-Ligand Binding Dynamics [73.35846234413611]
薬物発見において、分子動力学(MD)シミュレーションは、結合親和性を予測し、輸送特性を推定し、ポケットサイトを探索する強力なツールを提供する。我々は,数値MDを容易にし,タンパク質-リガンド結合ダイナミクスの正確なシミュレーションを提供する,最初の機械学習サロゲートであるNeuralMDを提案する。従来の数値MDシミュレーションと比較して1K$times$ Speedupを実現することにより,NeuralMDの有効性と有効性を示す。
論文参考訳（メタデータ） (2024-01-26T09:35:17Z)
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)
Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文参考訳（メタデータ） (2023-07-26T02:34:57Z)
Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文参考訳（メタデータ） (2023-04-08T07:55:36Z)
Deep Image: A precious image based deep learning method for online malware detection in IoT Environment [12.558284943901613]
本稿では,マルウェア解析の異なる視点を考察し,各サンプルの特徴のリスクレベルを算出した。通常の機械学習基準、すなわち精度とFPRに加えて、サンプルのリスクに基づく基準も提案されている。その結果,ディープ・ラーニング・アプローチがマルウェアの検出に有効であることが示唆された。
論文参考訳（メタデータ） (2022-04-04T17:56:55Z)
Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文参考訳（メタデータ） (2022-03-25T19:57:19Z)
Learning continuous models for continuous physics [94.42705784823997]
本研究では,科学技術応用のための機械学習モデルを検証する数値解析理論に基づくテストを開発する。本研究は,従来のMLトレーニング/テスト手法と一体化して,科学・工学分野におけるモデルの検証を行う方法である。
論文参考訳（メタデータ） (2022-02-17T07:56:46Z)
ML-based IoT Malware Detection Under Adversarial Settings: A Systematic Evaluation [9.143713488498513]
本研究は,様々な表現と学習技術を利用した最先端のマルウェア検出手法を体系的に検討する。本研究では, 剥ぎ取りやパディングなどの機能保存操作によるソフトウェア変異が, 検出精度を著しく低下させることを示した。
論文参考訳（メタデータ） (2021-08-30T16:54:07Z)

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。