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。
本論文では,マルウェア分類のための深い学習フレームワークを提案した。金融機関,ビジネスおよび個人に対する重大なセキュリティ脅威をもたらす近年,マルウェアの量の大きな増加があった。マルウェアの増殖に対抗するために,新しい戦略は,それらの挙動を分析できるように,マルウェアサンプルを迅速に同定し分類するために不可欠である。機械学習アプローチはマルウェアを分類するために一般的になっているが,マルウェア分類のための既存の機械学習法のほとんどは浅い学習アルゴリズム(例えばSVM)を用いている。最近,従来の学習アルゴリズムと比較して,特に画像分類のようなタスクにおいて,深い学習アプローチである畳込みニューラルネットワーク(CNN)が優れた性能を示している。この成功に動機付けられて,著者らはマルウェアサンプルを分類するためのCNNベースアーキテクチャを提案した。マルウェア連星をグレースケール画像に変換し,次に分類のためにCNNを訓練する。2つの困難なマルウェア分類データセット,MalimgとMicrosoftソフトウェアに関する実験は,著者らの方法が最先端の性能より良く達成することを実証した。提案方法は,MalimgとMicrosoftデータセットに関して,それぞれ98.52%と99.97%の精度を達成した。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】