文献

J-GLOBAL ID：202002267976546309   整理番号：20A0144671

アクティブ学習によるPDFマルウェア分類器のためのブースティング訓練【JST・京大機械翻訳】

Boosting Training for PDF Malware Classifier via Active Learning

著者 (4件)： Wang Xinxin (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Li Yuanzhang (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Zhang Quanxin (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Kuang Xiaohui (National Key Laboratory of Science and Technology on Information System Security, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11983  ページ： 101-110  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： 悪意のあるコードは,ネットワークセキュリティの分野において重大な脅威であった。PDF(携帯文書フォーマット)は広く使われているファイルフォーマットであり,しばしば悪意のある挙動のための車両として利用される。本論文では,機械学習アルゴリズムを用いて,悪性PDF文書を検出し,実験データを評価した。本論文の主な研究は,分類のために静的前処理と機械学習アルゴリズムを利用するマルウェア検出法を実行することである。分類の期間の間,悪性と良性のPDFファイルの間の構造と内容における差異は,分類基準として取り入れた。さらに,相互合意解析に基づくアクティブ学習により,PDFマルウェア分類器の訓練を強化した。検出器は不確実なサンプルの真理値に従って再訓練される。それは検出器の訓練時間消費を減少させるだけでなく,検出性能を改善することもできる。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： 検出器 ,  情報セキュリティ ,  前処理 ,  学習アルゴリズム ,  不確実性 ,  *マルウェア
準シソーラス用語： 検出能 ,  ファイルフォーマット ,  ネットワークセキュリティ ,  *ブースティング ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： PDF ,  マルウェア検出 ,  情報セキュリティ ,  アクティブ学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： アクティブ学習 ,  PDF ,  マルウェア ,  分類器 ,  ブースティング ,  訓練