文献

J-GLOBAL ID：202202233195950552   整理番号：22A0840039

2ヘッドニューラルネットワークを用いた時間進化マルウェア同定に向けて【JST・京大機械翻訳】

Towards time evolved malware identification using two-head neural network

著者 (8件)： Yuan Chong (Beijing Key Laboratory of Software Security Engineering Technique, Beijing Institute of Technology, Beijing 100081, China) ,  Cai Jingxuan (Beijing Key Laboratory of Software Security Engineering Technique, Beijing Institute of Technology, Beijing 100081, China) ,  Tian Donghai (Beijing Key Laboratory of Software Security Engineering Technique, Beijing Institute of Technology, Beijing 100081, China) ,  Tian Donghai (Key Laboratory of Network Assessment Technology, Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100049, China) ,  Ma Rui (Beijing Key Laboratory of Software Security Engineering Technique, Beijing Institute of Technology, Beijing 100081, China) ,  Jia Xiaoqi (Key Laboratory of Network Assessment Technology, Institute of Information Engineering, Chinese Academy of Sciences, Beijing 100049, China) ,  Jia Xiaoqi (School of Cyber Security, University of Chinese Academy of Sciences, Beijing 100093, China) ,  Liu Wenmao (NSFOCUS Inc., Beijing 100089, China)
資料名： Journal of Information Security and Applications  (Journal of Information Security and Applications)
巻： 65  ページ： Null  発行年： 2022年 
JST資料番号： W2985A  ISSN： 2214-2126  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層学習ベースのマルウェア検出は,近年,サイバーセキュリティにおいて重要な役割を果たす。しかし,マルウェアの複雑性とアンチ検出技術の連続的開発によって,多くの悪意のあるプログラムは,時間とともに進化した。結果として,深層学習ベースの方法は,これらの時間発展マルウェアサンプルを認識するのに失敗し,実際に深層学習モデルを展開するための重大な課題を提起する。本論文では,まず2つのよく知られた深層学習ベースのマルウェア検出モデル:MalConvとTextCNNを実装した。モデル訓練と試験のためのタイムスタンプ情報に従ってデータセットを分割する実験から,2つのモデルの検出性能は,それらが時間発展マルウェアを処理するとき,明らかに低下することを見出した。この問題に対処するために,2ヘッドニューラルネットワークに基づく異常検出手法を提案した。この方法は時間発展した試料を同定することができる。これらのサンプルは,以前の訓練された深層学習モデルを誤分類する。実験は,マルウェア検出精度が,同定されたサンプルがろ過された後,MalConvで8.62%,TextCNNで13.12%改善されることを示した。これは,著者らの方法が,新しいデータを処理するための事前訓練モデルのユーザビリティを効果的に改良できることを示した。さらに,実験結果はよく研究されている。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  技術 ,  分類 ,  *ニューラルネットワーク ,  検出法 ,  性質 ,  コンピュータセキュリティ ,  *時間発展 ,  *マルウェア
準シソーラス用語： 検出能 ,  複雑性 ,  タイムスタンプ ,  異常検出 ,  サイバーセキュリティ ,  マルウェア検出 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルウェア検出 ,  深層学習 ,  異常検出 ,  2ヘッドニューラルネットワーク

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： 2ヘッド ,  ニューラルネットワーク ,  時間進化 ,  マルウェア ,  同定