論文の概要: The State-of-the-Art in AI-Based Malware Detection Techniques: A Review
- arxiv url: http://arxiv.org/abs/2210.11239v1
- Date: Wed, 12 Oct 2022 16:44:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:27:59.060018
- Title: The State-of-the-Art in AI-Based Malware Detection Techniques: A Review
- Title(参考訳): AIベースのマルウェア検出技術の現状と展望
- Authors: Adam Wolsey
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial Intelligence techniques have evolved rapidly in recent years,
revolutionising the approaches used to fight against cybercriminals. But as the
cyber security field has progressed, so has malware development, making it an
economic imperative to strengthen businesses' defensive capability against
malware attacks. This review aims to outline the state-of-the-art AI techniques
used in malware detection and prevention, providing an in-depth analysis of the
latest studies in this field. The algorithms investigated consist of Shallow
Learning, Deep Learning and Bio-Inspired Computing, applied to a variety of
platforms, such as PC, cloud, Android and IoT. This survey also touches on the
rapid adoption of AI by cybercriminals as a means to create ever more advanced
malware and exploit the AI algorithms designed to defend against them.
- Abstract(参考訳): 近年、人工知能技術は急速に進化し、サイバー犯罪者と戦うためのアプローチに革命をもたらした。
しかし、サイバーセキュリティ分野が進むにつれ、マルウェア開発も進み、企業によるマルウェア攻撃に対する防御力を強化するための経済的な衝動となっている。
このレビューは、マルウェアの検出と予防に使用される最先端のAI技術を概説することを目的としており、この分野における最新の研究の詳細な分析を提供する。
調査対象のアルゴリズムは、PC、クラウド、Android、IoTなど、さまざまなプラットフォームに適用される、Shallow Learning、Deep Learning、Bio-Inspired Computingで構成されている。
この調査は、サイバー犯罪者によるAIの急速な採用にも触れており、より高度なマルウェアを作成し、それらに対して防御するために設計されたAIアルゴリズムを活用するための手段となっている。
関連論文リスト
- Towards more Practical Threat Models in Artificial Intelligence Security [71.53333444240076]
我々は、AIセキュリティ研究で最も研究されている6つの攻撃の脅威モデルを再検討し、実際にAIの使用と一致させる。
我々の論文は、人工知能のセキュリティにおけるより実用的な脅威モデルを研究するための行動である。
論文 参考訳(メタデータ) (2023-11-16T16:09:44Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - Explainable Artificial Intelligence and Cybersecurity: A Systematic
Literature Review [0.799536002595393]
XAIは、ユーザーと開発者にとってAIアルゴリズムの操作をより解釈可能にすることを目的としている。
本研究は,サイバーセキュリティに適用されたXAI研究シナリオについて検討する。
論文 参考訳(メタデータ) (2023-02-27T17:47:56Z) - Malware Detection and Prevention using Artificial Intelligence
Techniques [7.583480439784955]
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。
論文 参考訳(メタデータ) (2022-06-26T02:41:46Z) - XAI for Cybersecurity: State of the Art, Challenges, Open Issues and
Future Directions [16.633632244131775]
AIモデルは、開発者が特定の決定の背後にある理由の説明や追跡ができないブラックボックスとして現れることが多い。
説明可能なAI(XAI)は、情報を抽出し、結果を視覚化するのに役立つ、急速に成長する研究分野である。
本報告では,サイバーセキュリティと攻撃形態について概説する。
次に、従来のAI技術の使用とその関連する課題について議論し、様々なアプリケーションでXAIを使用するための扉を開く。
論文 参考訳(メタデータ) (2022-06-03T02:15:30Z) - 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) - Prospective Artificial Intelligence Approaches for Active Cyber Defence [1.443536831322927]
一部のサイバーセキュリティ専門家は、AIが対応するサイバー防衛対策の新たなクラスを可能にすると推測している。
このポジショニングペーパーは、最も有望なAIアプローチの2つのロードマップを更新する。
バランスを守備隊に戻すのに役立てる理由を説明している。
論文 参考訳(メタデータ) (2021-04-20T14:07:34Z) - Security and Privacy for Artificial Intelligence: Opportunities and
Challenges [11.368470074697747]
近年、ほとんどのAIモデルは高度なハッキング技術に弱い。
この課題は、敵AIの研究努力を共同で進めるきっかけとなった。
我々は、AIアプリケーションに対する敵攻撃を実証する総合的なサイバーセキュリティレビューを提示する。
論文 参考訳(メタデータ) (2021-02-09T06:06:13Z) - 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) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。