Fugu-MT 論文翻訳(概要): Leveraging Interpretable Tsetlin Machine for PDF Malware Detection

論文の概要: Leveraging Interpretable Tsetlin Machine for PDF Malware Detection

arxiv url: http://arxiv.org/abs/2607.09290v1
Date: Fri, 10 Jul 2026 11:06:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 16:48:13.431516
Title: Leveraging Interpretable Tsetlin Machine for PDF Malware Detection
Title（参考訳）: PDFマルウェア検出のための解釈可能なTsetlinマシンの活用
Abstract要約: 本稿では,PDF マルウェア検出のための新しい解釈可能な Tsetlin Machine (TM) ベースのフレームワークを提案する。提案フレームワークは,静的解析によりPDF文書から有能な特徴を抽出する。ルールベースの学習を使用して、良心と悪意のあるPDF文書を正確に分類する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the digital era, Portable Document Format (PDF) is one of the most widely used file formats for storing and exchanging digital documents due to its platform independence and rich functionality. However, these same capabilities have also made PDF files an attractive attack vector for cyberattackers, who embed malicious code within seemingly legitimate documents to compromise target systems. This paper presents a novel interpretable Tsetlin Machine (TM)-based framework for PDF malware detection. The proposed framework extracts salient features from PDF documents through static analysis without executing the files and employs rule-based learning to accurately classify benign and malicious PDF documents. Numerical evaluation on the RIT-PDFMal-2026 dataset demonstrates that the proposed framework achieves competitive performance, attaining an accuracy of 98.02% compared with several ML classifiers and existing methods. Moreover, the proposed framework provides intrinsic interpretability by transparently explaining its classification decisions. The combination of competitive detection performance, computational efficiency, and intrinsic interpretability makes the proposed framework a promising solution for practical PDF malware detection.
Abstract（参考訳）: デジタル時代において、ポータブルドキュメントフォーマット(PDF)は、そのプラットフォーム独立性と豊富な機能のために、デジタル文書の保存と交換に最も広く使われているファイルフォーマットの1つである。しかし、このような機能によってPDFファイルは、悪意のあるコードを正当と思われる文書に埋め込んでターゲットシステムに侵入するサイバー攻撃者にとって魅力的な攻撃手段となった。本稿では,PDF マルウェア検出のための新しい解釈可能な Tsetlin Machine (TM) ベースのフレームワークを提案する。提案フレームワークは,ファイルを実行せずに静的解析によりPDF文書から有能な特徴を抽出し,規則に基づく学習を用いて良質で悪意のあるPDF文書を正確に分類する。 RIT-PDFMal-2026データセットの数値評価により、提案フレームワークは、いくつかのML分類器や既存の手法と比較して、98.02%の精度で競合性能を達成することが示された。さらに,本提案フレームワークは,その分類決定を透過的に説明することにより,本質的な解釈性を提供する。競合検出性能,計算効率,本質的な解釈性の組み合わせにより,提案フレームワークは実用的なPDFマルウェア検出のための有望なソリューションとなる。

関連論文リスト

DocRetriever: A Plug-and-Play Framework for Multimodal Document Retrieval with Comprehensive Benchmark [48.84943754804533]
マルチモーダル文書には、テーブル、フィギュア、レイアウトなど、さまざまな要素が含まれている。現在のアプローチでは、高精度の検索を実現するために、高密度の視覚埋め込みモデルと教師付きリランカを組み合わせるのが一般的である。本稿では,レイアウトを意識したスパース埋め込み技術による視覚検索を支援するプラグイン・アンド・プレイフレームワークDocRetrieverを提案する。
論文参考訳（メタデータ） (2026-05-28T14:50:53Z)
Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文参考訳（メタデータ） (2026-03-23T14:48:54Z)
PDFInspect: A Unified Feature Extraction Framework for Malicious Document Detection [0.0]
この研究は、グラフベース、構造化、メタデータ駆動分析を統合し、PDF文書ごとにリッチな特徴表現を生成する統一的なフレームワークを提案する。提案されたアプローチはスケーラブルで、170で、現実世界のPDF脅威インテリジェンスをサポートするように設計されている。
論文参考訳（メタデータ） (2026-01-19T09:23:40Z)
ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
論文参考訳（メタデータ） (2025-09-27T22:36:42Z)
Analyzing PDFs like Binaries: Adversarially Robust PDF Malware Analysis via Intermediate Representation and Language Model [27.85605747467984]
悪意のあるPDFファイルは、永続的な脅威として現れ、Webベースの攻撃において一般的な攻撃ベクターとなっている。 PDFマルウェアは、しばしば敵の攻撃を受けやすく、その信頼性を損なう。本稿では,PDF特徴抽出とPDFマルウェア検出のための新しい手法を提案する。
論文参考訳（メタデータ） (2025-06-20T17:08:08Z)
PDF-WuKong: A Large Multimodal Model for Efficient Long PDF Reading with End-to-End Sparse Sampling [63.93112754821312]
マルチモーダル文書理解は,大量のテキスト情報や視覚情報を処理し,理解するための課題である。大規模言語モデル(LLM)の最近の進歩は、このタスクの性能を大幅に改善した。長いPDF文書に対する多モーダル質問回答(QA)を強化するために設計された多モーダル大言語モデル(MLLM)であるPDF-WuKongを紹介する。
論文参考訳（メタデータ） (2024-10-08T12:17:42Z)
A Feature Set of Small Size for the PDF Malware Detection [8.282177703075451]
PDFファイルのドメイン知識をあまり必要としない小さな機能セットを提案する。ランダムフォレストモデルを用いた場合の最適精度は99.75%である。その質素なサイズにもかかわらず、我々は、はるかに大きな機能セットを使用する最先端技術に匹敵する結果を得る。
論文参考訳（メタデータ） (2023-08-09T04:51:28Z)
DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified Robustness [58.23214712926585]
我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
論文参考訳（メタデータ） (2023-03-20T17:25:22Z)
HAPSSA: Holistic Approach to PDF Malware Detection Using Signal and Statistical Analysis [16.224649756613655]
悪意あるPDF文書は、様々なセキュリティ組織に深刻な脅威をもたらす。最先端のアプローチでは、機械学習(ML)を使用してPDFマルウェアを特徴付ける機能を学ぶ。本稿では,PDF マルウェア検出のための簡易かつ効果的な総合的なアプローチを導出する。
論文参考訳（メタデータ） (2021-11-08T18:32:47Z)
PDF-Malware: An Overview on Threats, Detection and Evasion Attacks [0.966840768820136]
PDFが広く使われるようになったことで、良心的ユーザーの間では、本質的な安全性の虚偽の印象が生まれている。本稿では,PDFマルウェア検出問題の概要について述べる。
論文参考訳（メタデータ） (2021-07-27T15:15:20Z)
Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
論文参考訳（メタデータ） (2020-08-17T07:16:57Z)

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。