論文の概要: Machine Learning for Windows Malware Detection and Classification: Methods, Challenges and Ongoing Research
- arxiv url: http://arxiv.org/abs/2404.18541v1
- Date: Mon, 29 Apr 2024 09:28:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 14:17:13.815167
- Title: Machine Learning for Windows Malware Detection and Classification: Methods, Challenges and Ongoing Research
- Title（参考訳）: Windowsのマルウェア検出と分類のための機械学習:方法、課題、今後の研究
- Authors: Daniel Gibert,
- Abstract要約: この章では、機械学習パイプラインの主なコンポーネントを紹介します。
最先端のマルウェア検知器が紹介され、機能ベースとディープラーニングベースの検出器の両方を含んでいる。
この章では、読者がWindowsオペレーティングシステム用に設計されたマルウェア検出システムを構築するために、機械学習がどのように適用されたかについて検討する。
- 参考スコア（独自算出の注目度）: 2.12121796606941
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this chapter, readers will explore how machine learning has been applied to build malware detection systems designed for the Windows operating system. This chapter starts by introducing the main components of a Machine Learning pipeline, highlighting the challenges of collecting and maintaining up-to-date datasets. Following this introduction, various state-of-the-art malware detectors are presented, encompassing both feature-based and deep learning-based detectors. Subsequent sections introduce the primary challenges encountered by machine learning-based malware detectors, including concept drift and adversarial attacks. Lastly, this chapter concludes by providing a brief overview of the ongoing research on adversarial defenses.
- Abstract（参考訳）: この章では、読者がWindowsオペレーティングシステム用に設計されたマルウェア検出システムを構築するために、機械学習がどのように適用されたかについて検討する。
この章は、機械学習パイプラインの主要なコンポーネントの導入から始まり、最新データセットの収集とメンテナンスの課題を強調している。
この導入に続いて、様々な最先端のマルウェア検知器が提示され、機能ベースとディープラーニングベースの検出器の両方を含んでいる。
その後のセクションでは、コンセプトドリフトや敵攻撃を含む、機械学習ベースのマルウェア検知器が直面する主な課題を紹介している。
最後に、この章は、敵防衛に関する現在進行中の研究の概要を概説することで締めくくっている。
関連論文リスト
- Assessing the Impact of Packing on Machine Learning-Based Malware Detection and Classification Systems [6.495333199859017]
マルウェアの拡散は静的解析と署名に基づくマルウェア検出技術に重大な課題をもたらす。
元の実行可能コードへのパッキングの適用は、意味のある機能やシグネチャを抽出する。
本研究は,マルウェアの検出と分類に使用される静的機械学習モデルの性能に及ぼすパッキングの影響について検討する。
論文 参考訳（メタデータ） (2024-10-31T15:19:33Z) - Software Testing for Machine Learning [13.021014899410684]
機械学習は騙されやすいことが示され、エラーや致命的な失敗に至る。
この状況は、特に安全クリティカルな応用において機械学習が広く使われていることを疑問視している。
この要約では、機械学習のためのソフトウェアテストの現状について論じる。
論文 参考訳（メタデータ） (2022-04-30T08:47:10Z) - Towards Machine Learning for Placement and Routing in Chip Design: a
Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。
機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文 参考訳（メタデータ） (2022-02-28T06:28:44Z) - Machine Learning for Intrusion Detection in Industrial Control Systems:
Applications, Challenges, and Recommendations [6.7318392467856025]
機械学習の手法は、サイバー攻撃に耐性のある産業制御システムの設計に応用されている。
本調査では,侵入と異常検出に用いる機械学習の4種類の手法に着目した。
論文 参考訳（メタデータ） (2022-02-24T06:11:45Z) - Detect & Reject for Transferability of Black-box Adversarial Attacks
Against Network Intrusion Detection Systems [0.0]
本稿では,機械学習による侵入検知システムに対する敵ネットワークトラフィックの転送可能性について検討する。
本研究では,機械学習による侵入検知システムに対する対向的ネットワークトラフィックの転送可能性特性の影響を抑えるための防御機構として検出・削除を検討した。
論文 参考訳（メタデータ） (2021-12-22T17:54:54Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳（メタデータ） (2021-08-01T08:54:47Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - Adversarial EXEmples: A Survey and Experimental Evaluation of Practical
Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。
我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。
これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
論文 参考訳（メタデータ） (2020-08-17T07:16:57Z) - A Survey of Machine Learning Methods and Challenges for Windows Malware
Classification [43.4550536920809]
調査は、マルウェア問題に機械学習を適用する方法についてより詳しく学びたいサイバーセキュリティ実践者や、データサイエンティストにこの独特な複雑な領域における課題に対する必要な背景を提供することの両方に有用である。
論文 参考訳（メタデータ） (2020-06-15T17:46:12Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。