論文の概要: HilEnT: Hilbert, Entropy Transformed Image Based Malware Detection

• arxiv url: http://arxiv.org/abs/2607.04772v1
• Date: Mon, 06 Jul 2026 08:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.082571
• Title: HilEnT: Hilbert, Entropy Transformed Image Based Malware Detection
• Title（参考訳）: HilEnT:Hilbert, Entropy Transformed Image Based Malware Detection
• Authors: Rahul Kale, Thesath Wijayasiri, Kar Wai Fok, Vrizlynn L. L. Thing,
• Abstract要約: 画像変換技術HilEnTの新たなマルウェアバイナリを提案する。 3つのグレースケール画像を組み合わせて3チャンネルカラー画像を形成する。 提案したHilEnTの有効性を評価するため,教師付きバイナリ分類とマルチクラス分類を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing threat of malware across various software related domains, malware detection and classification is critical to determine the response actions. Different strategies have been adopted to address the challenge of malware detection. With the advent of deep learning techniques, malware detection using image processing has garnered research attention. In this work, we proposed a novel malware binary to image transformation technique HilEnT based on a combination of Hilbert curve-based transformation of malware binary and the entropy feature comparison of malware file with benign and malware classes. Three grayscale images produced during this process are combined to form a three-channel colored image which is then used for malware detection using machine learning techniques. We performed supervised binary and multiclass classification to evaluate the effectiveness of our proposed HilEnT. We also evaluated a few-shot learning technique to assess the robustness of our proposed HilEnT in a practical setting where the number of available class samples is limited. Furthermore, we investigated the benefits of combination of Histogram of Oriented Gradients and Principal Component Analysis for time performance improvements through feature reduction techniques. We evaluated our proposed methodology on four datasets: Dike, Michael Lester Dataset, Microsoft BIG 2015 and a self-collected dataset, and achieved the state-of-the-art results.
• Abstract（参考訳）: 様々なソフトウェア関連ドメインにおけるマルウェアの脅威が増大する中で、マルウェアの検出と分類は応答行動を決定するために重要である。 マルウェア検出の課題に対処するために、さまざまな戦略が採用されている。 深層学習技術の出現に伴い,画像処理によるマルウェア検出が研究の注目を集めている。 本研究では,Hilbert曲線に基づくマルウェアバイナリ変換と,良性クラスとマルウェアクラスとのエントロピー特徴比較を組み合わせた新しいマルウェアバイナリ・画像変換手法HilEnTを提案する。 この過程で生成された3つのグレースケール画像を組み合わせて3チャンネルカラー画像を生成し、機械学習技術を用いてマルウェア検出に使用する。 提案したHilEnTの有効性を評価するため,教師付きバイナリ分類とマルチクラス分類を行った。 また,提案したHilEnTのロバスト性を評価するために,利用可能なクラスサンプルの数が限られている現実的な条件下で,数発の学習手法を評価した。 さらに, 特徴量削減手法による時間性能改善のための, 配向勾配ヒストグラムと主成分分析の組み合わせの利点について検討した。 提案手法を,Dike,Michael Lester Dataset,Microsoft BIG 2015,および自己収集データセットの4つのデータセットで評価し,最先端の結果を得た。

関連論文リスト

• A Comparison of Selected Image Transformation Techniques for Malware Classification [0.1957338076370071]
  本研究では,8種類のマルウェア・画像変換技術について検討する。 これらの画像変換手法のいくつかは、様々な学習モデルでも同様に機能することがわかった。 その結果,イメージベースマルウェア分類手法の有効性は,画像解析手法の本質的な強度に依存する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-09-13T15:00:10Z)
• Is JPEG AI going to change image forensics? [50.92778618091496]
  ニューラル画像圧縮に基づく新しいJPEGAI標準の反法医学的効果について検討する。 その結果,JPEG AIで処理したコンテンツの解析において,先行する法医学的検知器の性能が低下していることが示唆された。
  論文  参考訳（メタデータ） (2024-12-04T12:07:20Z)
• Deep Learning Fusion For Effective Malware Detection: Leveraging Visual Features [12.431734971186673]
  本研究では,マルウェアの実行可能量の異なるモードで学習した畳み込みニューラルネットワークモデルを融合する能力について検討する。 我々は3種類の視覚的マルウェアを利用した新しいマルチモーダル融合アルゴリズムを提案している。 提案した戦略は、与えられたデータセット内のマルウェアを識別する際の検出レート1.00(0-1)である。
  論文  参考訳（メタデータ） (2024-05-23T08:32:40Z)
• Masked LoGoNet: Fast and Accurate 3D Image Analysis for Medical Domain [46.44049019428938]
  我々はLoGoNetと呼ばれる新しいニューラルネットワークアーキテクチャを導入する。 LoGoNetは、LKA(Large Kernel Attention)とデュアルエンコーディング戦略を利用して、U字型アーキテクチャに新しい特徴抽出器を統合する。 大規模ラベル付きデータセットの欠如を補うために,3次元画像に適した新しいSSL方式を提案する。
  論文  参考訳（メタデータ） (2024-02-09T05:06:58Z)
• High-resolution Image-based Malware Classification using Multiple Instance Learning [0.0]
  本稿では,高解像度グレースケール画像と複数インスタンス学習を用いて,マルウェアを家族に分類する方法を提案する。 この実装はMicrosoft Malware Classificationデータセットで評価され、反対に拡大されたサンプルに対して最大96.6%のアキュラシーを達成している。
  論文  参考訳（メタデータ） (2023-11-21T18:11:26Z)
• Stain-invariant self supervised learning for histopathology image analysis [74.98663573628743]
  乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。 本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-11-14T18:16:36Z)
• A Comparison of State-of-the-Art Techniques for Generating Adversarial Malware Binaries [2.0559497209595814]
  我々は,1つの公開可能なマルウェアデータセットから抽出したバイナリマルウェアサンプルを用いて,最近の3つのマルウェア生成手法を評価する。 その結果、比較手法の中で最も有効な手法は、バイナリーヘッダのバイトを戦略的に修正することであることがわかった。
  論文  参考訳（メタデータ） (2021-11-22T19:26:33Z)
• Malware Detection Using Frequency Domain-Based Image Visualization and Deep Learning [16.224649756613655]
  画像分類によるマルウェアの検出と可視化を行う新しい手法を提案する。 実行可能なバイナリは、離散コサイン変換ドメイン内のバイトのNグラム(N=2)のカウントから得られるグレースケール画像として表現される。 浅いニューラルネットワークは分類のために訓練され、その精度は転送学習を用いて訓練されるresnetのようなディープネットワークアーキテクチャと比較される。
  論文  参考訳（メタデータ） (2021-01-26T06:07:46Z)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)

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。