文献

J-GLOBAL ID：201802224912941766   整理番号：18A1807664

軽量深層学習に基づくマルウェア検出に向けて【JST・京大機械翻訳】

Towards Light-Weight Deep Learning Based Malware Detection

著者 (5件)： Kan Zeliang ,  Wang Haoyu ,  Xu Guoai ,  Guo Yao ,  Chen Xiangqun
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： compsac  ページ： 600-609  発行年： 2018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： マルウェアの爆発的な量は,オペレーティングシステムとネットワークのセキュリティを脅かしている。従来のマルウェア検出手法は,多形性と新しいサンプルを検出する必要条件を満たすことができない。既存のニューラルネットワークベースの検出手法は,より良い性能を発揮するが,特徴抽出と訓練の両方でより多くの時間を消費する。本論文では,深い畳込みニューラルネットワーク(CNN)に基づく軽量PCマルウェア検出システムを提案した。著者らのシステムの生入力は,命令の異なる機能性に従って,著者らの命令分析器によって生成されたグループ化された命令のシーケンスである。ネットワークは,グループ化された命令シーケンスからマルウェアの特徴を自動的に学習する。実験結果は,約70,000サンプルを含む大規模データセットにおいて,著者らの検出システムが95%の全体精度を達成できることを示唆した。単一畳込み層による著者らのシステムの訓練時間は,わずか10時間であった。それは従来の方法より1桁少なかった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： セキュリティ ,  特徴抽出 ,  ネットワーク ,  オペレーティングシステム ,  必要条件 ,  *マルウェア ,  畳込み ,  ニューラルネットワーク
準シソーラス用語： 検知システム ,  大規模データセット ,  指令 ,  畳込みニューラルネットワーク ,  *マルウェア検出 ,  *深層学習 ,  *軽量 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 軽量 ,  深層学習 ,  マルウェア検出