文献

J-GLOBAL ID：201902251031148822   整理番号：19A1786538

カプセルネットワークに基づく新しいマルウェア検出と分類法【JST・京大機械翻訳】

A Novel Malware Detection and Classification Method Based on Capsule Network

著者 (4件)： Wang Shu-wei (China State Key Laboratory of Mathematical Engineering and Advanced Computer, Zhengzhou, China) ,  Zhou Gang (China State Key Laboratory of Mathematical Engineering and Advanced Computer, Zhengzhou, China) ,  Lu Ji-cang (China State Key Laboratory of Mathematical Engineering and Advanced Computer, Zhengzhou, China) ,  Zhang Feng-juan (China State Key Laboratory of Mathematical Engineering and Advanced Computer, Zhengzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11632  ページ： 573-584  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： コード混乱,パッキングおよび署名のようなカモフラージュ技術を用いることにより,マルウェアは,高い確率で抗ウイルスソフトウェアの殺傷を回避することができた。マルウェアを効率的に検出するために,従来の機械学習法は通常複雑な特徴抽出作業を必要とし,CNNと他の深い学習法は通常多数のラベル付きサンプルを必要とし,これらの全ては検出性能に影響する。これらの問題のために,マルウェアカラー画像可視化技術とカプセルネットワークに基づく改良した深い学習方法(ColCaps)は,マルウェアを見つけるために本論文において提案した。最初に,マルウェアをカラー画像に変換した。次に,動的ルーティングベースのカプセルネットワークを用いて,カラー画像を検出して分類した。高度な特徴抽出なしで,少数のラベル付きサンプルだけで,ColCapsはクロスプラットフォーム検出と分類においてより良い性能を持っている。実験結果は,AndroidとWindowsプラットフォームに関する提案方法の検出精度が,それぞれ99.3%と96.5%であり,既存の方法のものより20%高いことを示した。一方,Drebinデータセットにおける分類タスクには98.2%の精度があり,それは以前のDREBINにおける有意な改善である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カラー画像 ,  *ネットワーク ,  学習 ,  特徴抽出 ,  Windows ,  機械学習 ,  *カプセル ,  *マルウェア ,  カオス
準シソーラス用語： 検出精度 ,  アンドロイド ,  検出能 ,  擬装 ,  *分類法 ,  *マルウェア検出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  マルウェア検出 ,  マルウェアの分類 ,  カプセルネットワーク

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： カプセル ,  マルウェア検出 ,  分類法