抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルウェア解析技術を静的および動的解析に分割した。両技法は,混乱のような回避技術により迂回できる。一連の研究において,著者らはそのようなトラップを避けるために機械学習と組み合わせた記号的実行の使用を促進した。これらの研究の多くは,Gスパンのようなグラフベース学習アルゴリズムにプラグできる自然グラフベース表現に依存する。このアプローチには二つの主な問題がある。最初のものはグラフを計算するコストである。実際,グラフによる作業は,解析の下でファイルの全状態空間を計算および表現する必要があった。そのような計算が厄介なので,この技術は行動の代表的部分グラフを計算するための開発戦略にしばしば依存している。残念なことに,効率的なグラフ構築戦略は,弱く探索されている。第二の問題は分類自体である。グラフベース機械学習アルゴリズムは,最大共通構造の比較に依存する。この側線はマルウェア署名の小さいが特定の部分である。さらに,サポートベクトルマシンのような効率的なアルゴリズムで研究することもできない。機械学習ベースの分類のための新しい効率的なオープンソースツールチェーンを提案した。また,グラフカーネル技術がプロセスにどのように使用できるかも調べた。グラフ間の局所類似性を捉えることができる一次元Weisfeiler-Lehmanカーネルに焦点を当てた。著者らの実験結果は,著者らのアプローチが印象的因子によって既存のものより優れていることを示した。【JST・京大機械翻訳】