論文の概要: Generative Adversarial Networks for Malware Detection: a Survey
- arxiv url: http://arxiv.org/abs/2302.08558v1
- Date: Thu, 16 Feb 2023 20:07:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 16:53:26.142408
- Title: Generative Adversarial Networks for Malware Detection: a Survey
- Title（参考訳）: マルウェア検出のための生成型adversarial network--調査
- Authors: Aeryn Dunmore, Julian Jang-Jaccard, Fariza Sabrian, Jin Kwak
- Abstract要約: 本稿では,マルウェア問題領域におけるジェネレーティブ・アドバイサル・ネットワークの利用に関する現在の研究と文献について調査する。
本報告では, 関連調査, GAN のカテゴリ別, トピック別に GAN を最適化する最近の研究成果について紹介する。
- 参考スコア（独自算出の注目度）: 2.179313476241343
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since their proposal in the 2014 paper by Ian Goodfellow, there has been an
explosion of research into the area of Generative Adversarial Networks. While
they have been utilised in many fields, the realm of malware research is a
problem space in which GANs have taken root. From balancing datasets to
creating unseen examples in rare classes, GAN models offer extensive
opportunities for application. This paper surveys the current research and
literature for the use of Generative Adversarial Networks in the malware
problem space. This is done with the hope that the reader may be able to gain
an overall understanding as to what the Generative Adversarial model provides
for this field, and for what areas within malware research it is best utilised.
It covers the current related surveys, the different categories of GAN, and
gives the outcomes of recent research into optimising GANs for different
topics, as well as future directions for exploration.
- Abstract（参考訳）: ian goodfellow氏の2014年の論文で提案されて以来、生成的敵ネットワークの領域に関する研究が爆発的に増えている。
多くの分野で利用されてきたが、マルウェア研究の領域は、GANが根ざした問題空間である。
データセットのバランスから、まれなクラスで目に見えない例の作成に至るまで、GANモデルはアプリケーションに広範な機会を提供します。
本稿では,マルウェア問題領域におけるジェネレーティブ・アドバイサル・ネットワークの利用に関する現在の研究と文献について調査する。
これは、生成的敵モデルがこの分野に何を提供するか、およびマルウェア研究のどの領域が最適に活用されているかについて、読者が全体的な理解を得ることができることを期待して行われる。
本報告では, 関連調査, GAN の異なるカテゴリについて紹介し, GAN を様々なトピックに最適化する最近の研究成果と今後の探索の方向性について述べる。
関連論文リスト
- Against The Achilles' Heel: A Survey on Red Teaming for Generative Models [60.21722603260243]
120以上の論文を調査し,言語モデル固有の能力に根ざした,きめ細かい攻撃戦略の分類を導入した。
我々は、様々な自動レッドチーム化アプローチを統合するために、"searcher"フレームワークを開発した。
論文 参考訳（メタデータ） (2024-03-31T09:50:39Z) - A Chronological Survey of Theoretical Advancements in Generative
Adversarial Networks for Computer Vision [0.0]
GAN(Generative Adversarial Networks)は、特にコンピュータビジョンの研究分野において、長年にわたりワークホース生成モデルである。
GANに関する多くの調査があり、様々な視点と視点から膨大なGAN文献を整理している。
この調査は、このギャップを埋め、GANの理論と応用に関するいくつかの画期的な研究成果を時系列順に示すことを目的としている。
論文 参考訳（メタデータ） (2023-11-02T05:11:47Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - Novel Applications for VAE-based Anomaly Detection Systems [5.065947993017157]
深層生成モデリング(DGM)は、与えられたデータセットから始まり、新規で見えないデータを生成することができる。
この技術が有望な応用を示すにつれて、多くの倫理的問題がもたらされる。
研究は、異なるバイアスが深層学習モデルに影響を与え、誤った表現のような社会的問題を引き起こすことを示している。
論文 参考訳（メタデータ） (2022-04-26T20:30:37Z) - Generative Adversarial Networks: A Survey Towards Private and Secure
Applications [11.810895820428515]
Generative Adversarial Networks (GAN) はコンピュータビジョンや自然言語処理などの様々な応用を推進してきた。
GANは、データ生成ベースのタスクに優れたパフォーマンスを提供するだけでなく、プライバシとセキュリティ指向の研究のための受精を促進する。
論文 参考訳（メタデータ） (2021-06-07T16:47:13Z) - Generative Adversarial Networks (GANs) in Networking: A Comprehensive
Survey & Evaluation [5.196831100533835]
GAN(Generative Adversarial Networks)は、広く研究された機械学習サブフィールドである。
GANは一般的に合成画像の生成や変換に用いられる。
本稿では、この機械学習の分岐が、コンピュータと通信ネットワークの複数の側面にどのように役立つかを実証する。
論文 参考訳（メタデータ） (2021-05-10T08:28:36Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z) - ProphetNet-Ads: A Looking Ahead Strategy for Generative Retrieval Models
in Sponsored Search Engine [123.65646903493614]
生成的検索モデルは、ターゲットライブラリプレフィックスツリー(Trie)のパス上でトークンによる出力トークンを生成する
本稿では,これらの問題を解析し,ProphetNet-Adsと呼ばれる生成検索モデルの今後の戦略を提案する。
最近提案されたトリエ型LSTM生成モデルと比較すると,本モデルの結果と統合結果は,ビームサイズ5でそれぞれ15.58%と18.8%改善した。
論文 参考訳（メタデータ） (2020-10-21T07:03:20Z) - Generative Adversarial Networks in Digital Pathology: A Survey on Trends
and Future Potential [1.8907108368038215]
我々は,GAN(Generative Adversarial Networks)と呼ばれる,ヒストロジカルイメージデータに適用された強力なアーキテクチャのクラスに焦点を当てる。
GANは、以前難解だったこの分野のアプリケーションシナリオを可能にする。
GANの主な応用について述べ、選択した将来的なアプローチとその将来的な応用について展望する。
論文 参考訳（メタデータ） (2020-04-30T16:38:06Z) - A Review on Generative Adversarial Networks: Algorithms, Theory, and
Applications [154.4832792036163]
GAN(Generative Adversarial Network)は近年ホットな研究トピックである。
GANは2014年から広く研究され、多くのアルゴリズムが提案されている。
本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。
論文 参考訳（メタデータ） (2020-01-20T01:52:05Z)
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。
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。