Fugu-MT 論文翻訳(概要): A Novel Feature Representation for Malware Classification

論文の概要: A Novel Feature Representation for Malware Classification

arxiv url: http://arxiv.org/abs/2210.09580v1
Date: Tue, 18 Oct 2022 04:21:56 GMT
ステータス: 処理完了
システム内更新日: 2022-10-19 15:58:57.681000
Title: A Novel Feature Representation for Malware Classification
Title（参考訳）: マルウェア分類のための新しい特徴表現
Authors: John Musgrave, Temesguen Messay-Kebede, David Kapp, Anca Ralescu
Abstract要約: 我々はマルウェア分類に使用できる悪意あるプログラムのための新しい特徴表現を提示した。ボトムアップアプローチで機能を構築する方法を示し、悪意あるプログラムと良心的なプログラムの重複をコンポーネントの観点から分析した。
参考スコア（独自算出の注目度）: 3.364554138758565
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this study we have presented a novel feature representation for malicious programs that can be used for malware classification. We have shown how to construct the features in a bottom-up approach, and analyzed the overlap of malicious and benign programs in terms of their components. We have shown that our method of analysis offers an increase in feature resolution that is descriptive of data movement in comparison to tf-idf features.
Abstract（参考訳）: 本研究では,マルウェア分類に使用できる悪意あるプログラムの特徴表現について紹介した。我々はボトムアップアプローチで機能を構築する方法を示し、コンポーネントの観点から悪意のあるプログラムと良質なプログラムの重複を分析した。また,本手法はtf-idf機能と比較して,データ移動を記述可能な特徴分解能が向上することを示した。

関連論文リスト

Explainability-Informed Targeted Malware Misclassification [0.0]
マルウェア分類をカテゴリに分類する機械学習モデルは有望な結果を示している。ディープニューラルネットワークは、意図的な敵攻撃に対する脆弱性を示している。本稿では,ニューラルネットワークを用いたマルウェア分類システムにおいて,このような攻撃的脆弱性について検討する。
論文参考訳（メタデータ） (2024-05-07T04:59:19Z)
Feature graph construction with static features for malware detection [2.6148103955115043]
アプリケーションを特徴付けるために,機能グラフに基づくマルウェア検出手法であるMFGraphを導入する。マルウェア検出タスクにおいて,AUCスコア0.98756を達成し,他のベースラインモデルよりも優れていることを示す。 MFGraphのAUCスコアは1年でわずか5.884%減少し、コンセプトドリフトの影響を受けていないことを示している。
論文参考訳（メタデータ） (2024-04-25T06:54:32Z)
Loss Functions in the Era of Semantic Segmentation: A Survey and Outlook [11.119967679567587]
ロス関数は、ディープラーニングベースのセグメンテーションアルゴリズムの開発に不可欠である。画像分割において、これらの損失関数がどのようにカスタマイズされ、どのように活用されるかについて、新しい分類法とレビューを提供する。本稿では,現在の課題を特定し,今後の研究機会を明らかにすることで,このレビューを締めくくる。
論文参考訳（メタデータ） (2023-12-08T22:06:05Z)
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
論文参考訳（メタデータ） (2022-04-07T17:59:32Z)
Learning Debiased and Disentangled Representations for Semantic Segmentation [52.35766945827972]
セマンティックセグメンテーションのためのモデルに依存しない訓練手法を提案する。各トレーニングイテレーションで特定のクラス情報をランダムに除去することにより、クラス間の機能依存を効果的に削減する。提案手法で訓練したモデルは,複数のセマンティックセグメンテーションベンチマークにおいて強い結果を示す。
論文参考訳（メタデータ） (2021-10-31T16:15:09Z)
Quantifying Explainability in NLP and Analyzing Algorithms for Performance-Explainability Tradeoff [0.0]
臨床テキスト分類におけるケーススタディにおける説明可能性と解釈可能性の現状について考察する。完全解釈可能な手法とモデルに依存しないポストホック属性に対する様々な可視化手法を実証する。我々は,モデルの予測性能と利用可能な説明の質との間のフロンティアを,実践者や研究者が評価できる枠組みを導入する。
論文参考訳（メタデータ） (2021-07-12T19:07:24Z)
Denoise and Contrast for Category Agnostic Shape Completion [48.66519783934386]
本稿では,自己スーパービジョンのパワーを利用して3dポイントのクラウド補完を行うディープラーニングモデルを提案する。 Denoising Pretextタスクは、高レベルのセマンティクスから切り離された、必要なローカルキューをネットワークに提供する。コントラスト学習は、異なる欠落部分を持つ同じ形状の変種間の一致を最大化する。
論文参考訳（メタデータ） (2021-03-30T20:33:24Z)
Understanding Failures of Deep Networks via Robust Feature Extraction [44.204907883776045]
本研究では,視覚的特徴を識別し,不在や不在がパフォーマンスの低下を招き,失敗を特徴づけ,説明することを目的とした手法を紹介し,検討する。我々は、分離されたロバストモデルの表現を活用して、解釈可能な特徴を抽出し、これらの特徴を利用して障害モードを特定します。
論文参考訳（メタデータ） (2020-12-03T08:33:29Z)
A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文参考訳（メタデータ） (2020-09-25T12:01:53Z)
Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文参考訳（メタデータ） (2020-08-19T03:54:23Z)
Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
分析による特徴に基づく説明の新たな評価基準を確立する。我々は、緩やかに必要であり、予測に十分である新しい説明を得る。我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
論文参考訳（メタデータ） (2020-05-31T05:52:05Z)

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。