論文の概要: Malware Classification using a Hybrid Hidden Markov Model-Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2412.18932v1
• Date: Wed, 25 Dec 2024 15:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-30 17:25:33.109021
• Title: Malware Classification using a Hybrid Hidden Markov Model-Convolutional Neural Network
• Title（参考訳）: ハイブリッド隠れマルコフモデル畳み込みニューラルネットワークを用いたマルウェア分類
• Authors: Ritik Mehta, Olha Jureckova, Mark Stamp,
• Abstract要約: 隠れマルコフモデル(HMM)と畳み込みニューラルネットワーク(CNN)を用いて抽出した特徴を組み合わせたハイブリッドアーキテクチャに基づく新しいアプローチを提案する。 一般的なMaliciaデータセットに対するアプローチの有効性を実証し、他の機械学習手法と比較して優れた性能を得る。
• 参考スコア（独自算出の注目度）: 1.2289361708127875
• License:
• Abstract: The proliferation of malware variants poses a significant challenges to traditional malware detection approaches, such as signature-based methods, necessitating the development of advanced machine learning techniques. In this research, we present a novel approach based on a hybrid architecture combining features extracted using a Hidden Markov Model (HMM), with a Convolutional Neural Network (CNN) then used for malware classification. Inspired by the strong results in previous work using an HMM-Random Forest model, we propose integrating HMMs, which serve to capture sequential patterns in opcode sequences, with CNNs, which are adept at extracting hierarchical features. We demonstrate the effectiveness of our approach on the popular Malicia dataset, and we obtain superior performance, as compared to other machine learning methods -- our results surpass the aforementioned HMM-Random Forest model. Our findings underscore the potential of hybrid HMM-CNN architectures in bolstering malware classification capabilities, offering several promising avenues for further research in the field of cybersecurity.
• Abstract（参考訳）: マルウェア変異の拡散は、シグネチャベースの方法のような従来のマルウェア検出アプローチに重大な課題をもたらし、高度な機械学習技術の開発を必要としている。 本研究では,HMM(Hidden Markov Model)とCNN(Convolutional Neural Network)を組み合わせたハイブリッドアーキテクチャを提案する。 HMM-Random Forestモデルを用いた過去の研究の強い成果に触発されて,HMMと階層的特徴の抽出に適したCNNとを組み合わせて,Opcodeシーケンスのシーケンシャルなパターンをキャプチャする手法を提案する。 我々は、一般的なMaliciaデータセットに対するアプローチの有効性を実証し、前述のHMM-Random Forestモデルを上回る、他の機械学習手法と比較して優れたパフォーマンスを得る。 本研究は,HMM-CNNハイブリッドアーキテクチャがマルウェアの分類能力を増強する可能性を明らかにし,サイバーセキュリティ分野のさらなる研究に期待できる手段をいくつか提示した。

関連論文リスト

• AI-Aided Kalman Filters [65.35350122917914]
  カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。 最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。 本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
  論文  参考訳（メタデータ） (2024-10-16T06:47:53Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• Toward Transparent Sequence Models with Model-Based Tree Markov Model [0.46873264197900916]
  モデルベース木隠れセミマルコフモデル(MOB-HSMM)を提案する。 このモデルは、Deep Neural Networks (DNN)から抽出した知識を活用し、明確な説明を提供しながら予測性能を向上させる。
  論文  参考訳（メタデータ） (2023-07-28T07:34:44Z)
• A Natural Language Processing Approach to Malware Classification [2.707154152696381]
  本研究では,ハイドデンマルコフモデル (HMM) をオプコードシーケンスで訓練するハイブリッドアーキテクチャについて考察する。 HMMの隠された状態列を抽出することは、機能工学の一形態と見なすことができる。 このNLPベースのアプローチは、他の一般的なテクニックよりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2023-07-07T23:16:23Z)
• Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution Detection [55.028065567756066]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。 本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。 バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。 We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
  論文  参考訳（メタデータ） (2022-06-26T16:00:22Z)
• Sparse Flows: Pruning Continuous-depth Models [107.98191032466544]
  生成モデルにおいて,プルーニングによりニューラルネットワークの一般化が向上することを示す。 また、プルーニングは、元のネットワークに比べて最大98%少ないパラメータで、精度を損なうことなく、最小かつ効率的なニューラルODE表現を見出すことを示した。
  論文  参考訳（メタデータ） (2021-06-24T01:40:17Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Robust Classification using Hidden Markov Models and Mixtures of Normalizing Flows [25.543231171094384]
  我々は,隠れマルコフモデル(HMM)の状態遷移と,隠れたHMMの状態に対するニューラルネットワークに基づく確率分布を組み合わせた生成モデルを用いる。 音声認識への応用におけるNMM-HMM分類器の堅牢性の改善を検証する。
  論文  参考訳（メタデータ） (2021-02-15T00:40:30Z)
• A novel DL approach to PE malware detection: exploring Glove vectorization, MCC_RCNN and feature fusion [0.0]
  モデルにフィードバックされた静的機能を用いて,DLベースの検出手法を提案する。 CNN と RNN を組み合わせた MCC_RCNN と呼ばれるニューラルネットワークモデルを実装します。 提案した分類法は他のベースライン法よりも高い予測精度を得ることができる。
  論文  参考訳（メタデータ） (2021-01-22T07:08:10Z)
• Scaling Hidden Markov Language Models [118.55908381553056]
  この研究は、HMMを言語モデリングデータセットに拡張するという課題を再考する。 本研究では,HMMを大規模状態空間に拡張する手法を提案する。
  論文  参考訳（メタデータ） (2020-11-09T18:51:55Z)
• Rare-Event Simulation for Neural Network and Random Forest Predictors [16.701364984106092]
  本研究では,現代の機械学習ツールを用いて,対象のヒットセットが定義される問題に対して,レアイベントシミュレーションについて検討する。 この問題は、インテリジェントシステムの安全性評価に関する急激な研究から動機づけられている。
  論文  参考訳（メタデータ） (2020-10-10T03:27:09Z)

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。