Fugu-MT 論文翻訳(概要): MAIL: Malware Analysis Intermediate Language

論文の概要: MAIL: Malware Analysis Intermediate Language

arxiv url: http://arxiv.org/abs/2211.03068v1
Date: Sun, 6 Nov 2022 09:48:06 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 17:48:23.991949
Title: MAIL: Malware Analysis Intermediate Language
Title（参考訳）: MAIL: マルウェア解析中間言語
Authors: Shahid Alam
Abstract要約: MAILは基本的にマルウェア分析と検出ツールの構築に使用される。 MAILはアセンブリプログラムの抽象表現を提供する。各MAILステートメントには、ツールがマルウェアの分析と検出を最適化するために使用できるパターンがアノテートされている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper introduces and presents a new language named MAIL (Malware Analysis Intermediate Language). MAIL is basically used for building malware analysis and detection tools. MAIL provides an abstract representation of an assembly program and hence the ability of a tool to automate malware analysis and detection. By translating binaries compiled for different platforms to MAIL, a tool can achieve platform independence. Each MAIL statement is annotated with patterns that can be used by a tool to optimize malware analysis and detection.
Abstract（参考訳）: 本稿では,MAIL (Malware Analysis Intermediate Language) という新しい言語を紹介し,提示する。 MAILは基本的にマルウェア分析と検出ツールの構築に使用される。 mailはアセンブリプログラムの抽象表現を提供し、マルウェアの分析と検出を自動化するツールの能力を提供する。異なるプラットフォーム用にコンパイルされたバイナリをMAILに変換することで、ツールはプラットフォーム独立を達成することができる。各MAILステートメントには、ツールがマルウェアの分析と検出を最適化するために使用できるパターンがアノテートされている。

関連論文リスト

Scaling Symbolic Execution to Large Software Systems [0.0]
シンボル実行は、プログラム検証とバグ検出ソフトウェアの両方で使用される一般的な静的解析手法である。我々は、Clang Static Analyzerと呼ばれるエラー検出フレームワークと、その周辺に構築されたインフラストラクチャーであるCodeCheckerに焦点を当てた。
論文参考訳（メタデータ） (2024-08-04T02:54:58Z)
Chain of Tools: Large Language Model is an Automatic Multi-tool Learner [54.992464510992605]
Automatic Tool Chain(ATC)は、大規模言語モデル(LLM)がマルチツールユーザとして機能することを可能にするフレームワークである。次に,ツールの範囲を拡大するために,ブラックボックス探索法を提案する。包括的な評価のために、ToolFlowという挑戦的なベンチマークを構築しました。
論文参考訳（メタデータ） (2024-05-26T11:40:58Z)
Efficacy of static analysis tools for software defect detection on open-source projects [0.0]
この調査では、SonarQube、PMD、Checkstyle、FindBugsといった一般的な分析ツールを使って比較を行った。その結果,SonarQubeの欠陥検出は,他のツールと比較してかなり優れていることがわかった。
論文参考訳（メタデータ） (2024-05-20T19:05:32Z)
EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction [56.02100384015907]
EasyToolは、多種多様で長いツールドキュメントを統一的で簡潔なツール命令に変換するフレームワークである。トークン使用量を大幅に削減し、現実のシナリオにおけるツール利用のパフォーマンスを向上させることができる。
論文参考訳（メタデータ） (2024-01-11T15:45:11Z)
Pinky: A Modern Malware-oriented Dynamic Information Retrieval Tool [2.320648715016106]
本稿では,情報検索とアンチマルウェア技術に使用できるリバースエンジニアリングツールを提案する。本研究の主な貢献は,エミュレーションプロセスに関する洞察の提供を目的としたインスツルメンテーションフレームワークの設計と実装である。
論文参考訳（メタデータ） (2023-11-06T22:43:46Z)
ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
論文参考訳（メタデータ） (2023-10-26T21:57:21Z)
MetaTool Benchmark for Large Language Models: Deciding Whether to Use Tools and Which to Use [82.24774504584066]
大規模言語モデル(LLM)は、その印象的な自然言語処理(NLP)能力のために大きな注目を集めている。このベンチマークは、LLMがツールの使用意識を持ち、ツールを正しく選択できるかどうかを評価するためのものだ。 8つの人気のあるLCMを巻き込んだ実験を行い、その大半は依然として効果的にツールを選択するのに苦労していることがわかった。
論文参考訳（メタデータ） (2023-10-04T19:39:26Z)
Tool Documentation Enables Zero-Shot Tool-Usage with Large Language Models [90.96816639172464]
大規模言語モデル(LLM)は、ツールの使用のデモを提供することで、新しいツールを使用するように教えられている。デモよりも、ツールドキュメンテーションの使用、個々のツール使用方法の説明を推奨します。
論文参考訳（メタデータ） (2023-08-01T17:21:38Z)
LLMDet: A Third Party Large Language Models Generated Text Detection Tool [119.0952092533317]
大規模言語モデル(LLM)は、高品質な人間によるテキストに非常に近い。既存の検出ツールは、機械が生成したテキストと人間によるテキストしか区別できない。本稿では,モデル固有,セキュア,効率的,拡張可能な検出ツールであるLLMDetを提案する。
論文参考訳（メタデータ） (2023-05-24T10:45:16Z)
Malware Analysis with Artificial Intelligence and a Particular Attention on Results Interpretability [0.0]
本稿では,バイナリファイルからグレースケール画像への変換に基づくモデルを提案する。サンプルが充填されているか、85%の精度で暗号化されているかを決定することができる。この種のツールは、一般的な検出モデルの解釈可能性の欠如を補うデータアナリストにとって非常に有用であるべきです。
論文参考訳（メタデータ） (2021-07-23T09:40:05Z)
Towards an Automated Pipeline for Detecting and Classifying Malware through Machine Learning [0.0]
Windows Portable Executable File (PE) を分類できるマルウェア分類パイプラインを提案する。入力PEサンプルが与えられた場合、悪意または良性のいずれかに分類される。悪意のある場合、パイプラインは脅威タイプ、家族、行動を確立するためにさらに分析する。
論文参考訳（メタデータ） (2021-06-10T10:07:50Z)

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。