論文の概要: Breaking the Black Box: Byte-Level Boundary Inference of Real-World Antivirus Systems

• arxiv url: http://arxiv.org/abs/2609.31012v1
• Date: Fri, 25 Sep 2026 09:02:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.319717
• Title: Breaking the Black Box: Byte-Level Boundary Inference of Real-World Antivirus Systems
• Title（参考訳）: ブラックボックスを破る:実世界のアンチウイルスシステムのバイトレベル境界推定
• Abstract要約: 実世界のアンチウイルス(AV)ソフトウェアの検出ロジックを理解するための既存のアプローチは、ブラックボックスクエリからバイナリマルウェア/良性決定のみを推測する。 我々は,ブラックボックス脅威モデルの下で実世界のAV製品のバイトレベルの決定クリティカル領域を推定する最初のフレームワークである textbfAVHunter を提案する。
• 参考スコア（独自算出の注目度）: 8.984406958712215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing approaches for understanding the detection logic of real-world antivirus (AV) software infer only binary malware/benign decisions from black-box queries, providing limited insight into the fine-grained decision-critical regions that govern AV detection. In this paper, we present \textbf{AVHunter}, the first framework for inferring byte-level decision-critical regions of real-world AV products under a black-box threat model. AVHunter constructs the first large-scale Byte-Level AV Boundary Dataset (BABD) by systematically probing 11 real-world AV products, revealing that modern AV detections are largely associated with a small number of compact decision-critical byte regions. Leveraging BABD, AVHunter trains AV-specific models that not only reproduce binary AV decisions, but also localize the decision-critical byte regions underlying these decisions, achieving an average boundary prediction recall of 85.07% while maintaining 97.43% detection agreement with the target AVs. We further validate that the predicted regions capture genuine AV decision knowledge through boundary-guided malware evasion, false-positive induction on benign executables, and a seven-month longitudinal study demonstrating that the inferred regions remain largely stable as AV products evolve. Overall, AVHunter moves beyond conventional binary-label AV modeling by enabling fine-grained boundary-region localization and revealing a new form of AV knowledge leakage with important implications for malware analysis, AV security, and boundary-aware defenses.
• Abstract（参考訳）: 実世界のアンチウイルス(AV)ソフトウェアの検出ロジックを理解するための既存のアプローチは、ブラックボックスクエリからバイナリマルウェア/良性決定のみを推測し、AV検出を管理するきめ細かい決定クリティカルな領域について限定的な洞察を与える。 本稿では,ブラックボックス脅威モデルの下で,実世界のAV製品のバイトレベル決定クリティカル領域を推定する最初のフレームワークである「textbf{AVHunter}」を提案する。 AVHunterは、11の現実のAV製品を体系的に探索することで、最初の大規模なByte-Level AV境界データセット(BABD)を構築し、現代のAV検出が少数のコンパクトな決定クリティカルなバイト領域と関連していることを明らかにした。 BABDを活用して、AVHunterは、バイナリAV決定を再現するだけでなく、これらの決定の根底にある決定クリティカルなバイト領域をローカライズするAV固有のモデルを訓練し、平均境界予測リコールは85.07%であり、ターゲットAVとの97.43%の検出合意を維持している。 さらに, 予測領域は, 境界誘導型マルウェア回避, 良性実行ファイルに対する偽陽性誘導を通じて真のAV決定知識を捕捉し, 推定領域は, AV生成物の進化とともにほぼ安定であることを示す7ヶ月の縦断的研究を行った。 全体として、AVHunterは境界領域の詳細なローカライゼーションを可能にし、マルウェア分析、AVセキュリティ、バウンダリ対応ディフェンスに重要な意味を持つ新しい形のAV知識リークを明らかにすることで、従来のバイナリラベルAVモデリングを越えている。

関連論文リスト

• How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
  無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。 現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。 本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:19:54Z)
• A Real-Time Defense Against Object Vanishing Adversarial Patch Attacks for Object Detection in Autonomous Vehicles [0.0]
  ADAV (Adversarial Defense for autonomous Vehicles) は、物体の消滅するパッチ攻撃に対する新しい防御手法である。 ADAVはリアルタイムで動作し、AVのビデオフィードの以前のフレームからコンテキスト情報を活用する。 ADAVは、Berkeley Deep Drive BDD100Kデータセットの実際の運転データを用いて評価される。
  論文  参考訳（メタデータ） (2024-12-09T05:21:14Z)
• Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector [72.05791402494727]
  本稿では,CD-FSODを用いたクロスドメイン小ショット検出法について検討する。 最小限のラベル付き例で、新しいドメインのための正確なオブジェクト検出器を開発することを目的としている。
  論文  参考訳（メタデータ） (2024-02-05T15:25:32Z)
• Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
  Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。 近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。 本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
  論文  参考訳（メタデータ） (2023-12-18T09:52:14Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Intersection focused Situation Coverage-based Verification and Validation Framework for Autonomous Vehicles Implemented in CARLA [1.1602089225841632]
  本稿では,AVの検証・検証(V&V)と安全性保証のための状況カバレッジベース(SitCov) AV-testingフレームワークを提案する。 SitCov AV-testing frameworkは、異なる環境および交差点構成下での道路交差点における車両と車両の相互作用に焦点を当てる。 私たちのコードはオンラインで公開されており、誰でも私たちのSitCov AV-testingフレームワークを使って、それを使って、さらにその上に構築することができます。
  論文  参考訳（メタデータ） (2021-12-24T02:56:56Z)
• LiDAR Cluster First and Camera Inference Later: A New Perspective Towards Autonomous Driving [3.7678372667663393]
  本稿では,まずLiDARクラスタの概念を導入し,次にカメラ推論を行い,物体を検出して分類する,自律走行車(AV)のためのエンドツーエンドパイプラインを提案する。 まず、私たちのパイプラインは、AVに衝突するリスクの高い物体を検出することを優先し、AVが安全でない条件に反応する時間を増やす。 提案する新たなオブジェクト検出パイプラインは,カメラ推論のみと比較して,高いリスクオブジェクトの検出を優先すると同時に,同等の精度と平均速度を25%向上することを示す。
  論文  参考訳（メタデータ） (2021-11-18T17:06:28Z)
• Voting for the right answer: Adversarial defense for speaker verification [79.10523688806852]
  ASVは敵の攻撃のレーダー下にあり、これは人間の知覚による本来の攻撃と似ている。 盲点領域におけるASVのリスクの高い決定を防止するため、「正しい回答を求める」という考え方を提案する。 実験結果から,本手法は両攻撃者に対するロバスト性を向上することが示された。
  論文  参考訳（メタデータ） (2021-06-15T04:05:28Z)

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。