論文の概要: PRISM: PE Relational Inter-Section Matrix. A 2D Section-Aware Dataset for Static PE Malware Detection

• arxiv url: http://arxiv.org/abs/2606.27109v1
• Date: Thu, 25 Jun 2026 14:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.32472
• Title: PRISM: PE Relational Inter-Section Matrix. A 2D Section-Aware Dataset for Static PE Malware Detection
• Title（参考訳）: PRISM: PEリレーショナルインターセクションマトリックス 静的PEマルウェア検出のための2次元セクション認識データセット
• Abstract要約: 我々は、Windows PEマルウェア検出ベンチマークのためのオープンデータセットと特徴表現であるPRISMを紹介する。 PRISMは全てのバイナリを、列が個々のPEファイル順である2次元行列としてエンコードし、グローバル行はEMBERスタイルのモデルとの互換性を保持する。 形式的分離性解析は、断面位置構造が平坦な表現が捉えられない離散的な情報を持っていることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We introduce PRISM (PE Relational Inter-Section Matrix), an open dataset and feature representation for static Windows PE malware detection. Existing benchmarks such as EMBER, BODMAS, and SOREL-20M represent each PE file as a flat one-dimensional feature vector, discarding the ordering of sections and the relational context between them. PRISM instead encodes every binary as a two-dimensional matrix whose rows are individual PE sections in file order, with a global summary row that preserves compatibility with EMBER-style models. We build the corpus from four malware sources (BODMAS, MalwareBazaar, VirusShare, and CAPE) together with SOREL-20M benign software, yielding 83,633 deduplicated matrices and a family-filtered analysis corpus of 49,204 samples across 684 malware families. A formal separability analysis (Fisher Discriminant Ratio, mutual information, and inter-section information gain) shows that the per-section positional structure carries discriminative information that flat representations cannot capture. Under a strictly controlled, sample-matched comparison, a gradient-boosted classifier on the compact PRISM representation recovers nearly all of the binary-detection performance of the same classifier on the much larger EMBER vector, at roughly one-sixth the dimensionality; EMBER retains only a small, consistent advantage confined to the extreme low-false-positive regime, the two being operationally indistinguishable at the decision threshold. We are explicit that this binary task is saturated, so the structural content PRISM preserves is reserved for tasks with greater metric headroom, such as family classification and architectures that exploit the 2D structure directly. The dataset, extraction library, trained models, and full analysis pipeline are released under CC BY-NC-SA and MIT licences.
• Abstract（参考訳）: PRISM(PE Relational Inter-Section Matrix)は,静的なWindows PEマルウェア検出のためのオープンデータセットと特徴表現である。 既存のベンチマークであるEMBER、BODMAS、SOREL-20Mは、各PEファイルをフラットな1次元特徴ベクトルとして表現し、セクションの順序とそれらの間の関係コンテキストを破棄する。 代わりにPRISMは、全てのバイナリをファイル順序で個々のPEセクションを持つ2次元行列としてエンコードする。 我々は,BODMAS,MalwareBazaar,VirsShare,CAPEの4つのマルウェアソースとSOREL-20Mの良性ソフトウェアを併用し,83,633個の非重複行列と,684のマルウェアファミリーにわたる49,204個のサンプルからなる家族フィルタリング分析コーパスを作成した。 形式的分離可能性解析(フィッシャー判別比、相互情報、区間間情報ゲイン)は、断面位置構造が平坦な表現が捉えられない識別情報を持っていることを示す。 厳密に制御されたサンプルマッチング比較では、コンパクトなPRISM表現上の勾配ブースト分類器は、非常に大きなEMBERベクトル上の同じ分類器のほとんど全てのバイナリ検出性能をほぼ6分の1の次元で回復する。 このバイナリタスクが飽和していることは明らかであり、PRISMが保持する構造的内容は、家族分類や2D構造を直接利用したアーキテクチャなど、より大きな計量的ヘッドルームを持つタスクのために予約されている。 データセット、抽出ライブラリ、トレーニングされたモデル、フル分析パイプラインは、CC BY-NC-SAとMITライセンス下でリリースされている。

関連論文リスト

• MoMPy: automated construction of moment matrices for semidefinite programming relaxations [0.0]
  MoMPyはPythonパッケージで、モーメント行列の統一的で宣言的な構成を提供する。 MoMPy は SDP 変数の指標の行列を返します。 本稿では,三部構成のメルミン不等式,二部構成のCHSH不等式,ステアリングシナリオにおける測定整合性,状態判別と乱数性について述べる。
  論文  参考訳（メタデータ） (2026-08-17T12:52:43Z)
• The Illusion of Agentic Complexity in README.md Generation: Evaluating Single-Agent vs. Multi-Agent RAG Systems [3.7149543017244238]
  この研究は、GitHubリポジトリ用のファイル生成のためのRAG(Retrieval-Augmented Generation)依存アーキテクチャを実証的に評価する。 シングルエージェントパイプラインは、MASに匹敵する語彙品質を達成し、トークンの消費量を86%削減し、その2倍の速度で運用する。
  論文  参考訳（メタデータ） (2026-06-29T16:29:31Z)
• Robust Promptable Video Object Segmentation [67.1533741758339]
  本稿では,ロバストPVOS(RobustPVOS)の総合的研究について述べる。 まず,351本のビデオクリップと2500枚以上のオブジェクトマスクの2つの実世界評価データセットを用いて,新しい総合的ベンチマークを構築した。 メモリオブジェクト条件付きGated-rank Adaptation (MoGA) と呼ばれる新しいロバストPVOS法を提案する。
  論文  参考訳（メタデータ） (2026-05-12T11:55:31Z)
• LEADER: Lightweight End-to-End Attention-Gated Dual Autoencoder for Robust Minutiae Extraction [0.05978532290288763]
  本稿では,生の指紋画像を微細な記述子にマッピングするニューラルネットワークであるLEADER(Lightweight End-to-end Attention-gated Dual autoencodER)を紹介する。 新しく作られた"Castle-Moat-Rampart"のグラウンドトルースエンコーディングと、アテンションゲーティング機構を介して相互接続されたデュアルオートコーダ構造を採用している。 NIST SD27データセットでF1スコアが34%高い。
  論文  参考訳（メタデータ） (2026-02-17T11:02:28Z)
• MRAD: Zero-Shot Anomaly Detection with Memory-Driven Retrieval [16.654541753670348]
  MRAD(Memory-Retrieval Anomaly Detection)は、パラメトリックフィッティングを直接メモリ検索に置き換える統合フレームワークである。 16の産業用および医療用データセットに対して、MRADフレームワークは、常に優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-01-31T05:30:57Z)
• Many Hands Make Light Work: An LLM-based Multi-Agent System for Detecting Malicious PyPI Packages [3.7667883869699597]
  PyPIのようなオープンソースリポジトリの悪意のあるコードは、ソフトウェアサプライチェーンに対する脅威が増大している。 本稿では,悪質なPyPIパッケージを検出するために協調言語モデルを用いたマルチエージェントシステムであるLAMPSを提案する。
  論文  参考訳（メタデータ） (2026-01-17T19:43:22Z)
• Evaluating SAM2 for Video Semantic Segmentation [60.157605818225186]
  Anything Model 2 (SAM2)は、画像とビデオの両方において、迅速な視覚オブジェクトのセグメンテーションのための強力な基盤モデルであることが証明されている。 本稿では, SAM2 から高密度ビデオセマンティック (VSS) への拡張について検討する。 我々の実験は、SAM2を利用することでVSSの全体的な性能が向上することを示唆している。
  論文  参考訳（メタデータ） (2025-12-01T15:15:16Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• Prior2Former -- Evidential Modeling of Mask Transformers for Assumption-Free Open-World Panoptic Segmentation [74.55677741919035]
  顕在学習に根ざしたセグメンテーション・ビジョン・トランスフォーマの最初のアプローチである Prefer2Former (P2F) を提案する。 P2Fは、ピクセル単位のバイナリマスク割り当てにおいて、モデル不確実性を計算するためのベータを組み込むことで、マスクビジョントランスフォーマーアーキテクチャを拡張している。 未知のクラスに対処するほとんどのセグメンテーションモデルとは異なり、P2FはOODデータサンプルへのアクセスや、ヴォイド(ラベルなし)クラスに対する対照的なトレーニングなしで動作する。
  論文  参考訳（メタデータ） (2025-04-07T08:53:14Z)
• ISTR: End-to-End Instance Segmentation with Transformers [147.14073165997846]
  ISTRと呼ばれるインスタンスセグメンテーショントランスフォーマーを提案します。これは、その種類の最初のエンドツーエンドフレームワークです。 ISTRは低次元マスクの埋め込みを予測し、それらのマスクの埋め込みと一致する。 ISTRは、提案されたエンドツーエンドのメカニズムにより、近似ベースのサブオプティマティック埋め込みでも最先端のパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-05-03T06:00:09Z)
• CARAFE++: Unified Content-Aware ReAssembly of FEatures [132.49582482421246]
  この目標を達成するために、ユニバーサルで軽量で高効率なオペレータであるContent-Aware ReAssembly of FEatures(CARAFE++)を提案します。 CARAFE++は、インスタンス固有のコンテンツ認識処理を可能にするアダプティブカーネルをオンザフライで生成する。 計算のオーバーヘッドが無視できるすべてのタスクにおいて、一貫性と実質的な利益を示しています。
  論文  参考訳（メタデータ） (2020-12-07T07:34:57Z)

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。