文献

J-GLOBAL ID：202002236434421840   整理番号：20A0492912

MalJPEG 悪性JPEG画像の検出のための機械学習に基づく解【JST・京大機械翻訳】

MalJPEG: Machine Learning Based Solution for the Detection of Malicious JPEG Images

著者 (3件)： Cohen Aviad (Malware Lab, Cyber Security Research Center, Ben-Gurion University of the Negev, Be’er Sheva, Israel) ,  Nissim Nir (Malware Lab, Cyber Security Research Center, Ben-Gurion University of the Negev, Be’er Sheva, Israel) ,  Elovici Yuval (Department of Software and Information Engineering, Ben-Gurion University of the Negev, Be’er Sheva, Israel)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 19997-20011  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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,個人,ビジネス,組織に対するサイバー攻撃が増加している。サイバー犯罪は,攻撃を発生させるために,マルウェアを犠牲者に配信するための効果的なベクトルを常に探している。画像は世界中の数百万人の人々により日常的に使用されており,ほとんどのユーザは画像を使用するために安全であると考えている。しかし,いくつかのタイプの画像は,悪意のあるペイロードを含み,有害な行動を実行することができる。JPEGは,主にその損失性圧縮により,最も一般的な画像フォーマットである。それは,個人から大規模な組織までほとんどのものによって使用されて,ほとんどあらゆる装置(デジタルカメラとスマートフォン,ウェブサイト,ソーシャルメディアなど)に関して見つけることができた。しかし,それは,ほとんどすべての装置(デジタルカメラとスマートフォン,Webサイト,ソーシャルメディアなど)に関して見つけることができた。それらの無害な評判,大量の使用,および誤用のための高い可能性のために,JPEG画像は攻撃ベクトルとしてサイバー犯罪によって使用される。機械学習法は,様々な領域で既知の未知のマルウェアを検出するのに有効であることが示されているが,著者らの知る限りでは,機械学習法は,特に悪意のあるJPEG画像の検出には使用されていない。本論文において,著者らはMalJPEGを提示して,最初の機械学習ベースの解法は,特に未知の悪意のあるJPEG画像の効率的検出において特別に調整した。MalJPEGは,JPEGファイル構造から10の単純ではあるが識別可能な特徴を抽出し,機械学習分類器でそれらを活用して,良性と悪意のあるJPEG画像を識別する。著者らは,155,013(98.85%)の良性および1,805(1.15%)の悪性画像を含む156,818の画像の実世界代表的収集に関するMalJPEGを広範囲に評価した。結果は,LightGBM分類器を用いたときのMalJPEGが,0.997の受信者動作特性曲線(AUC),0.951の真の陽性率(TPR),および0.004の非常に低い偽陽性率(FPR)の下の領域で最も高い検出能力を実証することを示した。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： *機械学習 ,  *JPEG ,  ベクトル ,  マルウェア ,  ペイロード ,  スマートフォン ,  サイバー攻撃
準シソーラス用語： 検出能 ,  偽陽性率 ,  陽性率 ,  ROC曲線 ,  ソーシャルメディア ,  ディジタルカメラ ,  画像フォーマット ,  サイバー犯罪 , 【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)： JPEG ,  機械学習 ,  解