抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
悪意のある応用がますます多くなっている。これはマルウェア検出エンジンを構築するための適応,学習ベース技術を必要とし,従来の人手戦略。学習に基づくマルウェア検出エンジンにおける以前の研究は,主に動的痕跡分析とバイトレベルnグラムに焦点を当てた。本論文における筆者らのアプローチは,コンパイラ中間表現,すなわち,連星のcallgraph表現を使用する点で異なっている。学習のためのグラフに基づくプログラム表現を用いたプログラムの構造,より高度なパターンを学習に用いることができるを提供する。連星から抽出したコールグラフ間の類似性を同定するための最短経路グラフカーネル(SPGK)を用いた。出力類似度行列をサポートベクトルマシン(SVM)アルゴリズムに供給二成分が悪意のあるか否かを予測する高精度モデルを構築することである。SPGKは,入力グラフのサイズにより計算的に高価である。,このカーネルをスピードアップ,タイムリーに最新モデルを連続的にすることを可能にするCPUおよびGPUのための異なる並列化法を評価した。CPUとGPUを活用し,著者らのハイブリッド実装が最良の性能をもたらし,著者らの既に最適化したOpenMPバージョン上で最大14.2倍向上を達成した。は22,000以上の連星から成るデータセット上で以前に最新の特徴ベクトル2グラムとgramモデルに生成されたグラフベースモデルを比較した。グラフを用いて著者らの分類精度は,n-gramモデルよりも19%以上高く,0.1%以下の偽陽性率(FPR)を与えることを示した。並列SPGK実装の減少した実行時間のために大きいコールグラフとデータセットサイズを考慮することができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】