論文の概要: Malware Detection and Prevention using Artificial Intelligence
Techniques
- arxiv url: http://arxiv.org/abs/2206.12770v1
- Date: Sun, 26 Jun 2022 02:41:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-29 11:00:18.903888
- Title: Malware Detection and Prevention using Artificial Intelligence
Techniques
- Title（参考訳）: 人工知能を用いたマルウェアの検出と予防
- Authors: Md Jobair Hossain Faruk, Hossain Shahriar, Maria Valero, Farhat Lamia
Barsha, Shahriar Sobhan, Md Abdullah Khan, Michael Whitman, Alfredo
Cuzzocreak, Dan Lo, Akond Rahman, Fan Wu
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.583480439784955
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rapid technological advancement, security has become a major issue
due to the increase in malware activity that poses a serious threat to the
security and safety of both computer systems and stakeholders. To maintain
stakeholders, particularly, end users security, protecting the data from
fraudulent efforts is one of the most pressing concerns. A set of malicious
programming code, scripts, active content, or intrusive software that is
designed to destroy intended computer systems and programs or mobile and web
applications is referred to as malware. According to a study, naive users are
unable to distinguish between malicious and benign applications. Thus, computer
systems and mobile applications should be designed to detect malicious
activities towards protecting the stakeholders. A number of algorithms are
available to detect malware activities by utilizing novel concepts including
Artificial Intelligence, Machine Learning, and Deep Learning. In this study, we
emphasize Artificial Intelligence (AI) based techniques for detecting and
preventing malware activity. We present a detailed review of current malware
detection technologies, their shortcomings, and ways to improve efficiency. Our
study shows that adopting futuristic approaches for the development of malware
detection applications shall provide significant advantages. The comprehension
of this synthesis shall help researchers for further research on malware
detection and prevention using AI.
- Abstract（参考訳）: 技術の急速な進歩により、コンピュータシステムと利害関係者の両方のセキュリティと安全性に深刻な脅威をもたらすマルウェア活動の増加により、セキュリティは主要な問題となっている。
利害関係者、特にエンドユーザのセキュリティを維持するため、不正な努力からデータを保護することは、最も差し迫った懸念の1つです。
悪意のあるプログラミングコード、スクリプト、アクティブコンテンツ、または意図されたコンピュータシステムやプログラムやモバイルおよびWebアプリケーションを破壊するように設計された侵入的ソフトウェアをマルウェアと呼ぶ。
ある調査によると、ナイーブユーザーは悪質なアプリケーションと良質なアプリケーションを区別できない。
したがって、コンピュータシステムとモバイルアプリケーションは、利害関係者を保護するために悪意のある活動を検出するように設計されるべきである。
人工知能、機械学習、ディープラーニングといった新しい概念を利用して、マルウェアのアクティビティを検出する多くのアルゴリズムが利用可能である。
本研究では,ai(artificial intelligence)ベースのマルウェア活動の検出と防止手法を強調する。
本報告では,現在のマルウェア検出技術,その欠点,効率向上方法について概説する。
本研究は,マルウェア検出アプリケーションの開発に未来的アプローチを適用することが大きな利点となることを示す。
この合成の理解は、AIを用いたマルウェアの検出と予防のさらなる研究に役立つだろう。
関連論文リスト
- Obfuscated Malware Detection: Investigating Real-world Scenarios through Memory Analysis [0.0]
本稿では,メモリダンプ解析による簡易かつ費用対効果の高いマルウェア検出システムを提案する。
この研究は、現実世界のシナリオをシミュレートするために設計されたCIC-MalMem-2022データセットに焦点を当てている。
メモリダンプ内の難読化マルウェアの検出において,決定木,アンサンブル法,ニューラルネットワークなどの機械学習アルゴリズムの有効性を評価する。
論文 参考訳（メタデータ） (2024-04-03T00:13:23Z) - Malware Analysis on AI Technique [0.0]
したがって、システムを確保するためには、マルウェア分析が必要である。
技術コストの安いため、人工知能はマルウェアを解析するプロジェクトでの実装も困難になってきている。
本稿では,各種AI分析技術を用いたOS上のマルウェアの分類と解析について述べる。
論文 参考訳（メタデータ） (2023-11-24T14:16:59Z) - Review of Deep Learning-based Malware Detection for Android and Windows
System [2.855485723554975]
最近のマルウェアファミリーのほとんどは人工知能(AI)であり、異なる難読化技術を用いて従来のマルウェアシステムを騙すことができる。
そこで本研究では,Windows と Android の2つのマルウェア検出技術について概説する。
論文 参考訳（メタデータ） (2023-07-04T06:02:04Z) - 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) - Harnessing the Speed and Accuracy of Machine Learning to Advance Cybersecurity [0.0]
従来のシグネチャベースのマルウェア検出方法は、複雑な脅威を検出するのに制限がある。
近年、機械学習はマルウェアを効果的に検出する有望なソリューションとして出現している。
MLアルゴリズムは、大規模なデータセットを分析し、人間が識別するのが困難なパターンを特定することができる。
論文 参考訳（メタデータ） (2023-02-24T02:42:38Z) - The State-of-the-Art in AI-Based Malware Detection Techniques: A Review [0.0]
このレビューは、マルウェアの検出と防止に使用される最先端のAI技術の概要を明らかにすることを目的としている。
研究対象のアルゴリズムは、浅層学習、深層学習、バイオインスパイアド・コンピューティングである。
この調査はまた、より高度なマルウェアを作成する手段として、サイバー犯罪者によるAIの急速な採用にも触れている。
論文 参考訳（メタデータ） (2022-10-12T16:44:52Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - 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) - Mate! Are You Really Aware? An Explainability-Guided Testing Framework
for Robustness of Malware Detectors [49.34155921877441]
マルウェア検出装置のロバスト性を示すための説明可能性誘導型およびモデルに依存しないテストフレームワークを提案する。
次に、このフレームワークを使用して、操作されたマルウェアを検出する最先端のマルウェア検知器の能力をテストする。
我々の発見は、現在のマルウェア検知器の限界と、その改善方法に光を当てた。
論文 参考訳（メタデータ） (2021-11-19T08:02:38Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳（メタデータ） (2020-07-05T18:22:40Z)
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。