論文の概要: Malformer: A Multi-Modal Malware Detector Using Transformers

• arxiv url: http://arxiv.org/abs/2608.19052v1
• Date: Wed, 19 Aug 2026 15:46:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.445454
• Title: Malformer: A Multi-Modal Malware Detector Using Transformers
• Title（参考訳）: Malformer: トランスフォーマーを用いたマルチモーダルマルウェア検出装置
• Abstract要約: 我々は、Windows実行ファイルのテキスト、画像、グラフ、音声表現を組み込んだ4次マルウェア検出モデルであるMalformerを提案する。 マルフォーマーの精度は98.3%、F1スコアは0.9833で、単調なベースラインとバイモーダル検出器を4.6-17.6ポイント上回った。
• 参考スコア（独自算出の注目度）: 2.8093059118703345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional malware detection systems that rely on a single representation of malware often fail to identify novel threats. These representations of malware binaries, also known as modalities, do not provide the models with sufficient information to discriminate among all samples. Additionally, individual representations introduce new failure modes, with some modality extraction being dependent upon the success of disassembling. Past works have integrated either additional modalities or more discriminative representations for classification. In this work, we present Malformer, a quadrimodal malware detection model that incorporates text, image, graph, and audio representations of Windows executables. We demonstrate that multimodal transformer fusion can enhance the performance of Windows malware detectors over that of unimodal and bimodal detectors. Malformer employs a combination of two RoBERTa encoders paired with a modified Vision Transformer for image data, WavLM for audio data, and an adaptive loss-weighting scheme to fuse modality-specific representations. Evaluated on a dataset of 201,549 binary samples, Malformer achieved 98.3% accuracy and an F1 score of 0.9833, outperforming both unimodal baselines and bimodal detectors by 4.6-17.6 percentage points. Malformer demonstrates that multimodal fusion provides a promising foundation for countering the growing scale of malware threats, equipping defenders with generalized and resilient detection capabilities.
• Abstract（参考訳）: マルウェアの単一の表現に依存する従来のマルウェア検出システムは、しばしば新しい脅威を特定するのに失敗する。 これらのマルウェアバイナリの表現は、モダリティとしても知られており、すべてのサンプルを識別するのに十分な情報を提供していない。 さらに、個々の表現は新たな障害モードを導入し、いくつかのモダリティ抽出は分解の成功に依存する。 過去の作品には、追加のモダリティや分類のためのより差別的な表現が組み込まれている。 本研究では,Windows実行環境のテキスト,画像,グラフ,音声表現を組み込んだ4次マルウェア検出モデルであるMalformerを提案する。 マルチモーダルトランスフォーマーの融合により, マルチモーダル・バイモーダル・ディテクターよりもWindowsのマルウェア検出性能が向上することが実証された。 Malformerは、2つのRoBERTaエンコーダと、画像データに修正されたVision Transformer、オーディオデータにWavLM、モダリティ固有の表現を融合するための適応的な損失重み付け方式を組み合わせている。 201,549個のサンプルのデータセットで評価され、Malformerは98.3%の精度とF1スコアが0.9833となり、単調なベースラインとバイモーダル検出器を4.6-17.6ポイント上回った。 Malformer氏はマルチモーダル・フュージョンがマルウェアの脅威の増大に対処するための有望な基盤を提供し、汎用的でレジリエントな検出能力を持つディフェンダーを配置していることを実証している。

関連論文リスト

• A Multi-task Mixture of Experts Framework for Malware Classification, Packing Detection, and Family Attribution [2.008200933045584]
  本研究では,Mixture of Experts (MoE)アーキテクチャに基づくマルチタスクマルウェア解析フレームワークを提案する。 同時に3つの重要なタスクを実行する: マルウェアの家族分類、パック対アンパック検出、マルウェア対良性識別である。 均質なMoE, 異質なMoE, マルチゲートなMoEなど, 複数のアーキテクチャのバリエーションについて検討する。
  論文  参考訳（メタデータ） (2026-06-29T17:15:25Z)
• $\bf{D^3}$QE: Learning Discrete Distribution Discrepancy-aware Quantization Error for Autoregressive-Generated Image Detection [85.9202830503973]
  視覚的自己回帰(AR)モデルは、離散トークン予測を通じて画像を生成する。 本稿では,離散分布離散性を考慮した量子化誤差(D$3$QE)を自己回帰画像検出に活用することを提案する。
  論文  参考訳（メタデータ） (2025-10-07T13:02:27Z)
• 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)
• A Visualized Malware Detection Framework with CNN and Conditional GAN [5.4505834541978615]
  本稿では,機械学習活用者が経験する共通問題に対処する統合フレームワークを提案する。 すなわち、拡張付き画像提示システムは、良性/悪性サンプルの同一性を保存するように設計されている。 条件付きジェネレーティブ・アドバイサル・ネットワークに基づくモデルを用いて合成画像を生成する。
  論文  参考訳（メタデータ） (2024-09-22T13:29:10Z)
• 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)
• Small Effect Sizes in Malware Detection? Make Harder Train/Test Splits! [51.668411293817464]
  業界関係者は、モデルが数億台のマシンにデプロイされているため、マルウェア検出精度の小さな改善に気を配っている。 学術研究はしばしば1万のサンプルの順序で公開データセットに制限される。 利用可能なサンプルのプールから難易度ベンチマークを生成するためのアプローチを考案する。
  論文  参考訳（メタデータ） (2023-12-25T21:25:55Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• MDENet: Multi-modal Dual-embedding Networks for Malware Open-set Recognition [17.027132477210092]
  本稿では,MDENetと呼ばれるマルチモーダルデュアルエンベッドネットワークを提案する。 また、以前提案した大規模マルウェアデータセットであるMAL-100をマルチモーダル特性で強化する。
  論文  参考訳（メタデータ） (2023-05-02T08:09:51Z)
• Multimodal Industrial Anomaly Detection via Hybrid Fusion [59.16333340582885]
  ハイブリッド核融合方式を用いた新しいマルチモーダル異常検出法を提案する。 本モデルでは,MVTecD-3 ADデータセットにおける検出精度とセグメンテーション精度の両面で,最先端(SOTA)手法より優れている。
  論文  参考訳（メタデータ） (2023-03-01T15:48:27Z)
• OMD: Orthogonal Malware Detection Using Audio, Image, and Static Features [18.698383412150296]
  直交的」サイバー防衛アプローチは、既存の手法を補完するものである。 オーディオ記述子、画像類似性記述子、その他の静的/統計的特徴が使用される。
  論文  参考訳（メタデータ） (2021-11-08T18:42:30Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)

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。