文献

J-GLOBAL ID：202002221676772841   整理番号：20A2144169

異種情報ネットワーク表現学習に基づくマルウェア分類【JST・京大機械翻訳】

Malware classification based on heterogeneous information network representation learning

著者 (4件)： Chen Yu (College of Electronics and Information Engineering Shenzhen University,Shenzhen,China) ,  Qin Bin (Shenzhen University Information Center Shenzhen University,Shenzhen,China) ,  Ma Changchun (Innovation Insitute Sangfor Technologies Inc.,Shenzhen,China) ,  Xu Ming (Shenzhen University Information Center Shenzhen University,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICBAIE  ページ： 53-57  発行年： 2020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： 近年,マルウェアの複雑性の増大とシステムセキュリティに対する重大な脅威のために,抗マルウェア産業と研究者は,悪意のある攻撃を防ぐ能力を改善する新しい技術を必要とする。これに基づき,本論文では,コンテンツベースおよび関係ベース特徴に関してマルウェアを記述する新しいマルウェア検出法を提案した。最初に,異なる種類のエンティティ(すなわち,PEファイル,API,DLL,登録,Mutex)とそれらの豊かな意味関係(すなわち,PEファイル-API,PEファイル-DLL,PEファイル-Registry,PE File-Mutex,DLL-API)を,異種情報ネットワーク(HIN)と名づけたモデルに構築した。構築したメタ経路方式に基づいて,HIN低次元ベクトルを学習するためにメタパス2vec埋込みモデルを用い,HINの構造と意味関係を捉えることができる。最後に,学習されたHIN表現を分類するために,畳込みニューラルネットワーク(CNN)を設計した。実験結果は,本方法が93%の精度を達成することを示した。Copyright 2020 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： ベクトル ,  *情報ネットワーク ,  コンテンツ ,  *マルウェア
準シソーラス用語： エンティティ , 【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 (4件)： 情報ネットワーク ,  表現学習 ,  マルウェア ,  分類