文献

J-GLOBAL ID：201602276831378165   整理番号：16A0878926

マルウェア分類における偽陽性を減少させるための多特徴の利用【Powered by NICT】

Using multi-features to reduce false positive in malware classification

著者 (4件)： Ma Xinjian (Institute of Information Engineering, CAS, Beijing Key Laboratory of Network Security Technology, Beijing, China) ,  Biao Qi (Institute of Information Engineering, CAS, Beijing, China) ,  Yang Wu (Institute of Information Engineering, CAS, Beijing Key Laboratory of Network Security Technology, Beijing, China) ,  Jiang Jianguo (Institute of Information Engineering, CAS, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ITNEC  ページ： 361-365  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルウェアの急速な増加のために,マルウェア検出における主要な課題の一つは,マルウェア分類を自動的にするかである。は最近多くの自動分類方法があるが,それらの結果はまだ高い偽陽性率を得た。不正ソフトウェアサンプルの塩基数は膨大になるため,非常に小さな偽陽性は大きな数の誤警報を引き起こす可能性がある。本質的に,高い偽陽性率は,通常,マルウェアによる難読化と回避技術の採用によって引き起こされる。結果として,一つまたはそれ以上の特性は見せかけのであろう。本論文では,偽装特徴の影響を緩和するための多特徴を用いて一つの方法を提案した。この方法により,各種の特徴を独立して抽出し,それぞれ1分類器を訓練するために使用した。システムは,各分類器の出力が同じであればのみ予測を採用した。この方法を試験するために,静的および動的特徴を用いて282試料を分類した。実験結果は,この方法がマルウェア分類の精度を改善し,ほぼ偽陽性達成していないことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 自動分類 ,  高速度 ,  *マルウェア
準シソーラス用語： 難読化 ,  誤警報 ,  マルウェア検出 ,  *誤検出 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： マルウェア ,  分類 ,  偽陽性