論文の概要: Latent Stability Analysis of Malware Representations Under Feature-Space Perturbations

• arxiv url: http://arxiv.org/abs/2607.24896v1
• Date: Mon, 27 Jul 2026 15:53:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.574454
• Title: Latent Stability Analysis of Malware Representations Under Feature-Space Perturbations
• Title（参考訳）: 特徴空間摂動下におけるマルウェア表現の潜時安定性解析
• Abstract要約: 本稿では,EMBER特徴空間におけるマルウェア摂動評価のための潜時安定性解析パイプラインを提案する。 パイプラインは完全なEMBER機能、PCAベースの圧縮、変分オートエンコーダ表現のベータ/デノベート、Mandelbrotにインスパイアされたエスケープタイム記述子、PINNスタイルのラテントフローモジュールを比較している。 EMBER静的PE特徴ベクトルに対して,180,000のトレーニングサンプル,180,000のテストサンプル,24万のホールドアウトサンプルを用いて実験を行った。
• 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: Static malware detectors are commonly evaluated using clean-sample metrics such as accuracy, F1, ROC AUC, and PR AUC. However, these metrics provide limited insight into how learned malware representations behave when feature vectors are perturbed, how close samples move toward uncertain decision regions, or whether compressed representations preserve security-relevant structure. This paper presents a latent-stability analysis pipeline for malware perturbation assessment in EMBER feature space. The pipeline compares full EMBER features, PCA-based compression, beta/denoising variational autoencoder representations, Mandelbrot-inspired escape-time descriptors, and a PINN-style latent-flow module. We define Latent Escape Divergence (LED) to measure changes in escape-time profiles under perturbation, and use PINNFlow-derived residual, velocity, risk, and gradient-shift metrics to characterize latent movement. Experiments are conducted on EMBER static PE feature vectors using 180,000 training samples, 180,000 test samples, and 240,000 holdout samples. Full EMBER features achieve the strongest clean classification performance with ROC AUC of 0.9962 and F1 of 0.9713, while PCA-64 is the strongest compressed baseline with ROC AUC of 0.9846 and F1 of 0.9347. The proposed VAE+Mandelbrot+PINNFlow representation does not outperform these baselines for clean classification, but it provides additional diagnostic value under controlled feature-space perturbation probes.
• Abstract（参考訳）: 静的なマルウェア検出装置は、精度、F1、ROC AUC、PR AUCなどのクリーンサンプルメトリクスを用いて一般的に評価される。 しかし、これらの指標は、学習されたマルウェア表現が特徴ベクトルが摂動した時にどのように振る舞うか、サンプルが不確実な決定領域に向かってどのように移動するか、あるいは圧縮された表現がセキュリティ関連構造を保存するか、といった限られた洞察を与える。 本稿では,EMBER特徴空間におけるマルウェア摂動評価のための潜時安定性解析パイプラインを提案する。 パイプラインは完全なEMBER機能、PCAベースの圧縮、変分オートエンコーダ表現のベータ/デノベート、Mandelbrotにインスパイアされたエスケープタイム記述子、PINNスタイルのラテントフローモジュールを比較している。 摂動下での逃避時間プロファイルの変化を測定し,PINNFlow由来の残差,速度,リスク,勾配シフトの指標を用いて潜伏運動を特徴づける。 EMBER静的PE特徴ベクトルに対して,180,000のトレーニングサンプル,180,000のテストサンプル,24万のホールドアウトサンプルを用いて実験を行った。 完全なEMBER機能は、ROC AUC 0.9962、F1 0.9713、PCA-64はROC AUC 0.9846、F1 0.9347で最強のクリーンな分類性能を達成する。 提案したVAE+Mandelbrot+PINNFlow表現は、これらのベースラインをクリーンな分類において上回るものではないが、制御された特徴空間摂動プローブの下で追加の診断値を提供する。

関連論文リスト

• Empirical Evaluation of Membership Inference Attacks on NLP Text Classifiers: A Baseline Study on SST-2 [0.0]
  メンバーシップ推論攻撃(MIA)は、モデルをトレーニングするために特定のレコードが使用されたかどうかを判断しようとする。 本稿では,GLUE SST-2感情データセットを用いたテキスト分類におけるメンバシップ推定脆弱性のベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-09-10T00:53:20Z)
• Compass: Degradation-Simulated Reciprocal Learning with Lightweight Needle RWKV for Multimodal Crack Segmentation under Missing Modalities [36.93774494071781]
  任意のモダリティを欠いた場合のき裂断面積分割のための軽量ネットワークを提案する。 コンパスは劣化蒸留(DSD)、針ブロック、証拠トポロジー保存核融合(ETPF)を含む。 深さの90%が欠落しているにもかかわらず、コンパスのF1は0.8216、mIoUは0.8434、パラメータは2.58Mである。
  論文  参考訳（メタデータ） (2026-08-04T12:27:02Z)
• Leakage-Robust Evaluation and Data-Scale Sensitivity of Attention-Enhanced Multi-Task Learning for Joint Fault Diagnosis and Remaining Useful Life Estimation [0.0]
  マルチタスクディープラーニングモデルは、スライディングウィンドウシーケンスがトレーニングとテストセットにどのように分割されるかによって影響を受ける可能性がある。 ナイーブな分割は、真の20-60%から99.9%に分類精度を低下させる可能性がある。 チャンクベース・リーク監査分割プロトコルを導入し,5種の種子,片方向ANOVA,Tukey HSDテストを用いて全モデルを評価した。
  論文  参考訳（メタデータ） (2026-07-17T20:33:36Z)
• Automating the Expert Eye: A System-Agnostic Deep Learning Framework for Rare Event Discovery in Imbalanced Force Spectroscopy [0.0]
  自動SMFSトリアージにおける極端なクラス不均衡を克服するために,システムに依存しない,解釈可能なディープラーニングフレームワークを提案する。 我々はこの枠組みをR. champanellensis cellulosomeの複雑な機械的展開経路で評価した。 経験的に二重重み付けされたトリアージシステムを実装することで、パイプラインは自動的に880のバックグラウンドノイズトレースを破棄した。
  論文  参考訳（メタデータ） (2026-06-08T14:24:58Z)
• A Reproducible Log-Driven AutoML Framework for Interpretable Pipeline Optimization in Healthcare Risk Prediction [7.356849324535381]
  本研究では、決定論的かつログ駆動の自動機械学習フレームワークであるyvsoucom-iterkitを紹介する。 18,000以上のパイプライン構成にわたるPima Indians DiabetesとStrokeデータセットの実験は、部分的に冗長な検索スペースを明らかにしている。 このフレームワークは、アンサンブルモデルを使用して、強力で安定したパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-05-19T16:57:56Z)
• From Calibration to Refinement: Seeking Certainty via Probabilistic Evidence Propagation for Noisy-Label Person Re-Identification [40.73759251488672]
  既存のノイズロスのある人物Re-ID法は、ソフトマックス出力を用いた損失補正やサンプル選択方式に依存している。 本稿では,キャリブレーションからリファインメントへ伝播する確率的証拠を通じて確実性を求める2段階フレームワークであるCARE法を提案する。 精製段階では, クリーン試料とノイズ試料をより正確に識別できるエビデンス伝搬精製法(EPR)を設計する。
  論文  参考訳（メタデータ） (2026-02-26T15:50:15Z)
• ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs [37.23311145049677]
  本稿では,機能異方性(Capability Anisotropy)を診断するためのスケーラブルなシステムであるReLEを提案する。 我々は,207,843サンプルからなる領域$times$ Capability SymbolicMatrixの304モデルを評価した。
  論文  参考訳（メタデータ） (2026-01-24T09:57:59Z)
• Zero-Shot Detection of Elastic Transient Morphology Across Physical Systems [0.0]
  干渉ひずみの過渡度から学習した表現は、未知のセンサのモルフォロジーに敏感な演算子として機能することを示す。 非ガウス楽器のグリッチを専門に訓練したニューラルエンコーダを用いて、圧延要素の軸受に対して厳密なゼロショット異常解析を行う。
  論文  参考訳（メタデータ） (2026-01-16T16:35:07Z)
• Multi-Task Deep Learning for Surface Metrology [0.0]
  表面テクスチャパラメータを予測するために,再現可能な深層学習フレームワークを提案する。 不確実性は、量子的およびヘテロセダスティックなヘッドによってモデル化され、ポストホック共形キャリブレーションにより、キャリブレーションされた間隔が生成される。
  論文  参考訳（メタデータ） (2025-10-23T08:38:18Z)
• MAWIFlow Benchmark: Realistic Flow-Based Evaluation for Network Intrusion Detection [47.86433139298671]
  本稿では,MAWILAB v1.1データセットから得られたフローベースベンチマークであるMAWIFlowを紹介する。 得られたデータセットは、2011年1月、2016年、2021年に太平洋横断のバックボーンのトラフィックから引き出された、時間的に異なるサンプルで構成されている。 決定木、ランダムフォレスト、XGBoost、ロジスティック回帰を含む伝統的な機械学習手法は、CNN-BiLSTMアーキテクチャに基づいたディープラーニングモデルと比較される。
  論文  参考訳（メタデータ） (2025-06-20T14:51:35Z)
• Evaluating ML Robustness in GNSS Interference Classification, Characterization & Localization [42.14439854721613]
  ジャミング装置はグローバルナビゲーション衛星システム(GNSS)からの信号を妨害する 本稿では、低周波アンテナから得られたスナップショットからなる広範囲なデータセットを提案する。 本研究の目的は,機械学習モデル(ML)の環境変化に対するレジリエンスを評価することである。
  論文  参考訳（メタデータ） (2024-09-23T15:20:33Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)

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。