論文の概要: Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations

• arxiv url: http://arxiv.org/abs/2604.22629v1
• Date: Fri, 24 Apr 2026 15:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.510725
• Title: Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations
• Title（参考訳）: ルールベース分類器表現を用いたマルウェア家族のコンセプトドリフトの検出
• Authors: Tomáš Kalný, Martin Jureček, Mark Stamp,
• Abstract要約: 本研究は,決定木ルールセットを用いたマルウェア分類におけるドリフト検出のための構造的アプローチを提案する。 この手法は、固定インターバルとクラスタリングベースのウィンドウリングを用いて、6つのマルウェアファミリーで評価される。 その結果,機能レベルのピアソン相関による固定2ヶ月のウィンドウリングが最も信頼性の高い構成であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.22940141855172028
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work proposes a structural approach to concept drift detection in malware classification using decision tree rulesets. Classifiers are trained across temporal windows on the EMBER2024 dataset, and drift is quantified by comparing extracted rule representations using feature importance, prediction agreement, activation stability, and coverage metrics. These metrics are correlated with both accuracy degradation and data distribution shift as complementary drift indicators. The approach is evaluated across six malware families using fixed-interval and clustering-based windowing in family-vs-benign and family-vs-family settings, and compared against RIPPER and Transcendent baselines. Results show that fixed two-month windowing with feature-level Pearson correlation is the most reliable configuration, being the only one where all family pairs produce positive drift-accuracy correlations. The methods are complementary - no single approach dominates across all pairs.
• Abstract（参考訳）: 本研究は,決定木ルールセットを用いたマルウェア分類におけるドリフト検出のための構造的アプローチを提案する。 分類器はEMBER2024データセット上の時間ウィンドウにまたがって訓練され、特徴量、予測一致、アクティベーション安定性、カバレッジメトリクスを用いて抽出されたルール表現を比較してドリフトを定量化する。 これらの指標は、相補的ドリフト指標として、精度劣化とデータ分散シフトの両方と相関する。 本手法は, family-vs-benign および family-vs-set 設定における固定間隔およびクラスタリングに基づくウィンドウリングを用いて6つのマルウェア群を対象に評価し, RIPPER および Transcendent ベースラインと比較した。 その結果,Pearson相関が固定された2ヶ月のウィンドウリングが最も信頼性の高い構成であり,すべての家族ペアが正のドリフト精度相関を生成できる唯一の方法であることが示唆された。 メソッドは相補的であり、すべてのペアで単一のアプローチが支配することはありません。

関連論文リスト

• CORE: Robust Out-of-Distribution Detection via Confidence and Orthogonal Residual Scoring [9.25889614321249]
  ディープラーニングモデルを確実にデプロイするためには、アウト・オブ・ディストリビューション(OOD)検出が不可欠である。 本研究では,各部分空間を独立にスコアリングして2つの信号をアンタングル化し,それらを正規化和で結合するCOREを提案する。 COREは5つのアーキテクチャと5つのベンチマーク構成で、競争力や最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-18T21:23:54Z)
• Closed-Form Beta Distribution Estimation from Sparse Statistics with Random Forest Implicit Regularization [0.0]
  この研究は3つの主要な貢献を通じてスパースデータとアンサンブル分類から分布回復を推し進める。 まず,限定統計量から大規模ベータ分布を再構成する閉形式推定器を提案する。 第2に,誤差境界の導出による分類精度と分布の近接性の関係を確立する。 第3に、ゼロ分散特徴が暗黙の正則化として作用し、中間ランク予測器の選択確率が増加することを示す。
  論文  参考訳（メタデータ） (2025-07-31T17:55:07Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Investigating Distributions of Telecom Adapted Sentence Embeddings for Document Retrieval [12.135498957287004]
  公開可能なモデルとドメイン適応型から得られた埋め込みを評価した。 我々は,異なる埋め込みに対する類似度スコアのしきい値を得るための体系的手法を確立する。 ドメイン固有の文に対する埋め込みは、ドメインに依存しない文とほとんど重複しないことを示す。
  論文  参考訳（メタデータ） (2024-06-18T07:03:34Z)
• Bayesian causal discovery from unknown general interventions [55.2480439325792]
  本稿では,観測データと介入実験データを組み合わせたDAG(Cousal Directed Acyclic Graphs)の学習問題について考察する。 我々は,DAG,介入対象,誘導親集合上の後続分布を近似するマルコフ連鎖モンテカルロスキームを開発した。
  論文  参考訳（メタデータ） (2023-12-01T11:30:51Z)
• Exogenous Data in Forecasting: FARM -- A New Measure for Relevance Evaluation [62.997667081978825]
  FARM - Forward Relevance Aligned Metricという新しいアプローチを導入する。 我々のフォワード法は、その後のデータポイントの変化を時系列に合わせるために比較する角測度に依存する。 第1の検証ステップとして、FARMアプローチの合成信号・代表信号への適用について述べる。
  論文  参考訳（メタデータ） (2023-04-21T15:22:33Z)
• Birds of a Feather Trust Together: Knowing When to Trust a Classifier via Adaptive Neighborhood Aggregation [30.34223543030105]
  我々は、NeighborAggがアダプティブ近隣アグリゲーションを介して2つの重要な情報を利用する方法を示す。 また, 誤り検出の密接な関連課題へのアプローチを拡張し, 偽陰性境界に対する理論的カバレッジを保証する。
  論文  参考訳（メタデータ） (2022-11-29T18:43:15Z)
• Disentanglement of Correlated Factors via Hausdorff Factorized Support [53.23740352226391]
  本稿では,因子分布ではなく,因子化支援を助長する緩やかな解離基準,HFS(Hausdorff Factorized Support)基準を提案する。 本研究では,HFSを用いることにより,様々な相関設定やベンチマークにおいて,接地構造因子の絡み合いと回復が一貫して促進されることを示す。
  論文  参考訳（メタデータ） (2022-10-13T20:46:42Z)
• Parzen Window Approximation on Riemannian Manifold [5.600982367387833]
  グラフモチベーション学習では、ラベルの伝搬は、連結されたデータポイント間のエッジとして表されるデータ親和性に大きく依存する。 不規則なサンプリング効果を考慮して正確なラベル伝播を得る親和性測定法を提案する。
  論文  参考訳（メタデータ） (2020-12-29T08:52:31Z)
• Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
  本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。 実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
  論文  参考訳（メタデータ） (2020-07-30T05:48:48Z)

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。