論文の概要: reAnalyst: Scalable Analysis of Reverse Engineering Activities

• arxiv url: http://arxiv.org/abs/2406.04427v1
• Date: Thu, 6 Jun 2024 18:14:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-10 18:17:07.980474
• Title: reAnalyst: Scalable Analysis of Reverse Engineering Activities
• Title（参考訳）: reAnalyst: リバースエンジニアリング活動のスケーラブル分析
• Authors: Tab Zhang, Claire Taylor, Bart Coppens, Waleed Mebane, Christian Collberg, Bjorn De Sutter,
• Abstract要約: reAnalystは、リバースエンジニアリング(RE)プラクティスの研究を容易にするために設計されたスケーラブルな分析フレームワークである。 スクリーンショット、キーストローク、アクティブなプロセスのツールに依存しないデータ収集を統合することで、reAnalystは従来のRE研究の限界を克服することを目指している。
• 参考スコア（独自算出の注目度）: 3.0083213208912865
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces reAnalyst, a scalable analysis framework designed to facilitate the study of reverse engineering (RE) practices through the semi-automated annotation of RE activities across various RE tools. By integrating tool-agnostic data collection of screenshots, keystrokes, active processes, and other types of data during RE experiments with semi-automated data analysis and annotation, reAnalyst aims to overcome the limitations of traditional RE studies that rely heavily on manual data collection and subjective analysis. The framework enables more efficient data analysis, allowing researchers to explore the effectiveness of protection techniques and strategies used by reverse engineers more comprehensively and efficiently. Experimental evaluations validate the framework's capability to identify RE activities from a diverse range of screenshots with varied complexities, thereby simplifying the analysis process and supporting more effective research outcomes.
• Abstract（参考訳）: 本稿では,REツール間でのREアクティビティの半自動アノテーションを通じて,リバースエンジニアリング(RE)プラクティスの研究を促進するために設計されたスケーラブルな分析フレームワークであるreAnalystを紹介する。 reAnalystは、半自動データ分析とアノテーションによるRE実験中に、スクリーンショット、キーストローク、アクティブプロセス、その他の種類のデータのツールに依存しないデータ収集を統合することで、手動データ収集と主観的分析に大きく依存する従来のRE研究の限界を克服することを目指している。 このフレームワークにより、より効率的なデータ分析が可能になり、研究者は、リバースエンジニアがより包括的かつ効率的に使用する保護技術と戦略の有効性を探求することができる。 実験的評価では、様々な複雑なスクリーンショットからREアクティビティを識別するフレームワークの機能を検証することにより、分析プロセスを簡素化し、より効果的な研究結果をサポートする。

関連論文リスト

• Benchmarking Data Science Agents [11.582116078653968]
  大規模言語モデル(LLM)は、データサイエンスエージェントとして有望な支援として登場し、データ分析と処理において人間を支援している。 しかし、現実の応用の様々な要求と複雑な分析プロセスによって、それらの実用的有効性は依然として制限されている。 我々は、新しい評価パラダイムであるDSEvalと、これらのエージェントの性能を評価するための一連の革新的なベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-02-27T03:03:06Z)
• Back to Basics: A Simple Recipe for Improving Out-of-Domain Retrieval in Dense Encoders [63.28408887247742]
  得られたモデルにおいて,より優れた一般化能力を得るために,トレーニング手順の改善が可能であるかを検討する。 我々は、高密度エンコーダをトレーニングするための簡単なレシピを推奨する: LoRAのようなパラメータ効率のよいMSMARCOのトレーニング。
  論文  参考訳（メタデータ） (2023-11-16T10:42:58Z)
• TRIAGE: Characterizing and auditing training data for improved regression [80.11415390605215]
  TRIAGEは回帰タスクに適した新しいデータキャラクタリゼーションフレームワークで、広範囲の回帰器と互換性がある。 TRIAGEは、共形予測分布を利用して、モデルに依存しないスコアリング方法、TRIAGEスコアを提供する。 TRIAGEの特徴は一貫性があり、複数の回帰設定においてデータの彫刻/フィルタリングによるパフォーマンス向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-10-29T10:31:59Z)
• REX: Rapid Exploration and eXploitation for AI Agents [103.68453326880456]
  本稿では、REXと呼ばれるAIエージェントのための高速探索およびeXploitationのための改良されたアプローチを提案する。 REXは追加の報酬層を導入し、アッパー信頼境界(UCB)スコアに似た概念を統合し、より堅牢で効率的なAIエージェントのパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-07-18T04:26:33Z)
• Multivariate regression modeling in integrative analysis via sparse regularization [0.0]
  統合分析は、複数の独立したデータセットから有用な情報をプールする効果的な方法である。 この積分は、変数とグループ選択を実行するスパース推定によって達成される。 提案手法の性能をモンテカルロシミュレーションおよび微生物測定による排水処理データの解析により実証した。
  論文  参考訳（メタデータ） (2023-04-15T02:27:51Z)
• Reinforced Approximate Exploratory Data Analysis [7.974685452145769]
  まず,対話型データ探索環境におけるサンプリングの影響について検討し,近似誤差を導入する。 本稿では, サンプル選択を最適化し, 分析および洞察フローの持続性を維持するための, 深層強化学習(DRL)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-12T20:20:22Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• A Visual Analytics Approach to Building Logistic Regression Models and its Application to Health Records [0.0]
  本研究では,高次元データセットにおける回帰モデルの生成,評価,適用のためのオープンな統一手法を提案する。 このアプローチは、属性に対する広い相関パノラマを公開することに基づいており、ユーザーは関連する属性を選択して予測モデルを構築して評価することができる。 我々は、コビッド19やその他の人工的および実際の健康記録データの解析に、我々のフレームワークを応用して、UCRegの有効性と効率を実証する。
  論文  参考訳（メタデータ） (2022-01-20T19:53:41Z)
• Interactive Dimensionality Reduction for Comparative Analysis [28.52130400665133]
  我々は,新しいDR手法であるULCAをインタラクティブなビジュアルインターフェースと統合する,インタラクティブなDRフレームワークを導入する。 ULCAは差別分析とコントラスト学習という2つのDRスキームを統合し、様々な比較分析タスクをサポートする。 我々は,ULCA結果を対話的に洗練する最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-06-29T15:05:36Z)
• CDEvalSumm: An Empirical Study of Cross-Dataset Evaluation for Neural Summarization Systems [121.78477833009671]
  データセット間設定下での様々な要約モデルの性能について検討する。 異なるドメインの5つのデータセットに対する11の代表的な要約システムに関する包括的な研究は、モデルアーキテクチャと生成方法の影響を明らかにしている。
  論文  参考訳（メタデータ） (2020-10-11T02:19:15Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)

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。