文献

J-GLOBAL ID：202102261151043943   整理番号：21A0033647

効率的なオンデバイスマルウェア検出のための電力と性能最適化ハードウェア分類器【JST・京大機械翻訳】

Power & performance optimized hardware classifiers for efficient on-device malware detection

著者 (4件)： Wahab Muhammad Abdul (VAADER Team, IETR, Insa Rennes, France) ,  Milosevic Jelena (Institute of Telecommunications, TU, Wien Vienna, Austria) ,  Regazzoni Francesco (ALaRI, Universita della Svizzera italiana, Lugano, Switzerland) ,  Ferrante Alberto (ALaRI, Universita della Svizzera italiana, Lugano, Switzerland)
資料名： ACM Proceedings  (ACM Proceedings)
号： CS2 ’19  ページ： 23-26  発行年： 2019年 
JST資料番号： D0698C  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： 動的マルウェア検出法は実行時間でマルウェアの存在を検出することができるが,悪意のあるペイロードは実行されている。これらの方法は,通常使用される静的解析が信頼できる検出を提供できない両方のシナリオである,従来暗号化されたペイロードの動的なコード負荷と実行において,絶えず増加する悪意のある脅威からの検出と保護における貴重なツールである。しかし,初期段階におけるマルウェアの実行を検出するために,これらのアプローチは,典型的には電池動力であるデバイス上で実行する必要がある。これらのデバイスの電池ランタイムを改善するために,マルウェア検出器(そして,それらに基づく分類器)は,低電力方式で実装する必要がある。本研究では,動的マルウェア検出に通常用いられる3つの分類器のHLS生成バージョン,即ち,ロジスティック回帰,Naive Bayesおよびサポートベクターマシンを提示した。これらの分類器を最初に電力のために最適化し,次に最適化指令を性能を改善するために追加した。結果は,ハードウェア分類器が,それらのソフトウェア対応物に関して,電力消費を33倍まで減らし,一方,同じ精度を提供することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  電池 ,  *電力 ,  電力消費 ,  ペイロード ,  *ハードウェア ,  ソフトウェア ,  FPGA ,  サポートベクトルマシン ,  *マルウェア
準シソーラス用語： ロジスティック回帰分析 ,  静的解析 ,  実行時間 ,  低電力化 ,  *マルウェア検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： Android OS ,  FPGA ,  マルウェア検出 ,  Zynq ,  分類

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (3件)： 性能最適化 ,  ハードウェア ,  分類器