文献

J-GLOBAL ID：202102254912480565   整理番号：21A0906234

特徴抽出に基づく悪意ソフトウェア挙動および能力解析手法に関する研究【JST・京大機械翻訳】

Analyzing Malware Behavior and Capability Related Text Based on Feature Extraction

著者 (3件)： Feng Xuruirui (四川大学网絡空間安全学院,四川成都,610065) ,  Liu Jiayong (四川大学网絡空間安全学院,四川成都,610065) ,  Cheng Pengsen (四川大学网絡空間安全学院,四川成都,610065)
資料名： Xinxi Wangluo Anquan  (Xinxi Wangluo Anquan)
号： 12  ページ： 72-78  発行年： 2019年 
JST資料番号： C3332A  ISSN： 1671-1122  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 悪意のあるソフトウェアのネットワーク空間セキュリティへの脅威に対処するため、安全メーカーは大量の悪意のあるソフトウェア報告を発表し、その中に多くのネットワークセキュリティ関連情報、例えば悪意ソフトウェアの特徴能力及びそれの具体的な行為モードを含む。これらの悪意なソフトウェア報告を分析し、関連情報を獲得することで、研究者が悪意のあるソフトウェア機能を完全に理解し、有効な防御を実現するのに役立つ。自動的に報告から悪意のソフトウェア能力と行為に関連するテキストを抽出するタスクは、報告の数量が膨大で、テキスト構造のゆるみ、一語多義の問題がある。そのため、本文はBert事前訓練モデルに基づいた特徴ベクトルの獲得方法を提案し、多義語の曖昧性解消を実現し、BiLSTMと注意力メカニズムによりさらに特徴を抽出し、分類器を訓練した。MalwareTextDBデータセットを用いて実験を行い,再現率とF1値は,それぞれ85.56%と66.67%に達した。他のモデルと比較して,このモデルは,悪意のあるソフトウェアから,悪意のあるソフトウェアの行動特性および能力に関連するテキストをより効率的に抽出することができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  *特徴抽出 ,  生産者 ,  *ソフトウェア ,  セキュリティ
準シソーラス用語： 特徴ベクトル ,  再現率 ,  ネットワークセキュリティ ,  解析手法 , 【Automatic Indexing@JST】

分類 (2件)： 計算機ソフトウエア一般  (JD01010K) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 特徴抽出 ,  ソフトウェア ,  挙動 ,  能力 ,  解析手法 ,  研究