論文の概要: Use of Multi-CNNs for Section Analysis in Static Malware Detection
- arxiv url: http://arxiv.org/abs/2402.04102v1
- Date: Tue, 6 Feb 2024 15:57:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 14:03:30.159450
- Title: Use of Multi-CNNs for Section Analysis in Static Malware Detection
- Title（参考訳）: 静的マルウェア検出におけるマルチCNNを用いたセクション解析
- Authors: Tony Quertier, Gr\'egoire Barru\'e
- Abstract要約: 本稿では,Portable Executableファイルを解析するための新しいモデルを提案する。
提案手法は,ファイルを異なるセクションに分割し,各セクションを画像に変換する。
最終的な検出スコアを計算するために、CNNによって返されるこれらのスコアすべてを使用します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Existing research on malware detection focuses almost exclusively on the
detection rate. However, in some cases, it is also important to understand the
results of our algorithm, or to obtain more information, such as where to
investigate in the file for an analyst. In this aim, we propose a new model to
analyze Portable Executable files. Our method consists in splitting the files
in different sections, then transform each section into an image, in order to
train convolutional neural networks to treat specifically each identified
section. Then we use all these scores returned by CNNs to compute a final
detection score, using models that enable us to improve our analysis of the
importance of each section in the final score.
- Abstract（参考訳）: 既存のマルウェア検出の研究は、検出率にのみ焦点をあてている。
しかし、場合によっては、アルゴリズムの結果を理解することや、アナリストのためにファイル内でどこで調査するかなど、より多くの情報を得ることも重要です。
そこで本研究では,ポータブルファイル解析のための新しいモデルを提案する。
提案手法は,ファイルを異なるセクションに分割し,各セクションを画像に変換することで,特定のセクションを具体的に扱うために畳み込みニューラルネットワークを訓練する。
そして、cnnが返したこれらのスコアをすべて使用して最終検出スコアを計算し、最終スコアにおける各セクションの重要性の分析を改善するモデルを使用します。
関連論文リスト
- Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - Forensic Video Steganalysis in Spatial Domain by Noise Residual
Convolutional Neural Network [0.0]
本研究は, 画像ステガナシスに対する畳み込みニューラルネットワーク(CNN)に基づくアプローチを評価する。
ビデオステガノグラフィーデータセットを作成し、CNNを訓練して空間領域で法医学的ステガノリシスを行う。
我々はノイズ残差畳み込みニューラルネットワークを用いて埋め込み秘密を検出する。
論文 参考訳（メタデータ） (2023-05-29T13:17:20Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - 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) - On Model Calibration for Long-Tailed Object Detection and Instance
Segmentation [56.82077636126353]
NorCal, Normalized for long-tailed object detection and instance segmentation。
バックグラウンドクラスを個別に扱い、各提案のクラスに対してスコアを正規化することは、優れたパフォーマンスを達成するための鍵であることを示す。
論文 参考訳（メタデータ） (2021-07-05T17:57:20Z) - Eigen Analysis of Self-Attention and its Reconstruction from Partial
Computation [58.80806716024701]
ドット積に基づく自己注意を用いて計算した注意点のグローバルな構造について検討する。
注意点の変動の大部分は低次元固有空間にあることがわかった。
トークンペアの部分的な部分集合に対してのみスコアを計算し、それを用いて残りのペアのスコアを推定する。
論文 参考訳（メタデータ） (2021-06-16T14:38:42Z) - Visual Analysis Motivated Rate-Distortion Model for Image Coding [34.76677294980739]
本稿では,VVC(Versatile Video Coding)イントラ圧縮のための視覚解析によるレート歪みモデルを提案する。
提案モデルには,新しいレート割当戦略と新しい歪み測定モデルという2つの大きな貢献がある。
論文 参考訳（メタデータ） (2021-04-21T02:27:34Z) - Malware Detection Using Frequency Domain-Based Image Visualization and
Deep Learning [16.224649756613655]
画像分類によるマルウェアの検出と可視化を行う新しい手法を提案する。
実行可能なバイナリは、離散コサイン変換ドメイン内のバイトのNグラム(N=2)のカウントから得られるグレースケール画像として表現される。
浅いニューラルネットワークは分類のために訓練され、その精度は転送学習を用いて訓練されるresnetのようなディープネットワークアーキテクチャと比較される。
論文 参考訳（メタデータ） (2021-01-26T06:07:46Z) - Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。
まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。
第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
論文 参考訳（メタデータ） (2020-09-10T17:59:10Z) - Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。
人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。
実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-15T23:57:36Z)
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。