文献

J-GLOBAL ID：201902216036702145   整理番号：19A2009191

様々な敵対攻撃に対するCNNベースのマルウェア族分類法のロバスト性解析【JST・京大機械翻訳】

Robustness Analysis of CNN-based Malware Family Classification Methods Against Various Adversarial Attacks

著者 (4件)： Choi Seok-Hwan (Pusan National University, Republic of Korea) ,  Shin Jin-Myeong (Pusan National University, Republic of Korea) ,  Liu Peng (Pennsylvania State University, United States of America) ,  Choi Yoon-Ho (Pusan National University, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CNS  ページ： 1-6  発行年： 2019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： マルウェア族分類法として,画像ベース分類法は多くの注目を集めている。特に,高速分類速度と高分類精度により,畳込みニューラルネットワーク(CNN)ベースのマルウェア族分類法を研究した。しかし,CNNに基づく分類法に関する以前の研究は,マルウェア家族の分類精度を改善するだけに焦点を合わせた。すなわち,従来の研究では,CNNベースのマルウェア分類法の精度が,敵攻撃の存在下で減少できるという事例を考慮しなかった。本論文において,著者らは,敵攻撃の下で様々なCNNベースのマルウェア分類モデルのロバスト性を分析した。入力画像に知覚不能な非ランダム摂動を追加しながら,CNNベースのマルウェア族分類モデルの精度がどのように影響を受けるかを測定した。また,3つの重要な可視化パラメータ(すなわち,入力画像のサイズ,入力画像の次元,および特別な文字の変換色)が,敵攻撃の下での精度変化に及ぼす影響を示した。Microsoft malwareデータセットを用いた評価結果から,CNNベースのマルウェア族分類法の98%以上の精度さえも7%以下に低減できることを示した。Copyright 2019 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： 画像 ,  摂動 ,  *マルウェア ,  *ロバスト性 ,  高速度
準シソーラス用語： 分類モデル ,  畳込みニューラルネットワーク ,  分類精度 ,  ロバスト性解析 ,  *分類法 ,  *敵意 , 【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 (6件)： 敵対 ,  攻撃 ,  CNN ,  マルウェア ,  分類法 ,  ロバスト性解析