文献

J-GLOBAL ID：202202235015382969   整理番号：22A0499828

未知のマルウェア機能を分類するための仮想機械検査のための新しい方法論の開発【JST・京大機械翻訳】

Developing a novel methodology for virtual machine introspection to classify unknown malware functions

著者 (4件)： Vaza Rahul N. (Computer Engineering Department, Government Engineering College, Modasa, Gujarat, India) ,  Prajapati Ramesh (Information Technology Department, Shree Swaminarayan Institute of Technology (SSIT), Ahmedabad, Gujarat, India) ,  Rathod Dushyantsinh (Computer Engineering Department, Sankalchand Patel College of Engineering, Visnagar, Gujarat, India) ,  Vaghela Dineshkumar (Information Technology Department, Shantilal Shah Engineering College, Bhavnagar, Gujarat, India)
資料名： Peer-to-Peer Networking and Applications  (Peer-to-Peer Networking and Applications)
巻： 15  号： 1  ページ： 793-810  発行年： 2022年 
JST資料番号： W4837A  ISSN： 1936-6450  資料種別： 逐次刊行物 (A)
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： 近年,クラウドサービスセキュリティは,悪意のある活動,ウイルス,および誤りのような仮想マシンにおけるいくつかの脆弱性のために,重要なタスクである。したがって,悪意のある活動を検出することは,クラウドとVMのセキュリティを改善するために不可欠である。多くの既存の技術が,悪意のある攻撃を同定するために開発されているが,まだ,攻撃を検出する精度が低い問題を持ち,高い誤り予測率と誤差も,大きなファイルのためにマルウェア攻撃を検出する複雑性である。そこで,本研究では,VMで提示された未知のマルウェア関数を分類するために,アフリカバッファロー(AGM-AB)技法による新しいAdversarialベースのGenerative Modelを提案した。また,AB適応度は,特徴抽出と分類の性能を高めるためにAGMで初期化している。さらに,開発したAGM-AB技術は,良性およびマルウェアの実行可能ファイルを分類し,マルウェア検出の精度も改善した。さらに,AGM-AB技術における分類の効率を検証するために,開発した技術における未知マルウェアを発射した。このように,開発したAGM-AB技術をpythonに実装し,精度,AUC,False 陽性率(FPR),再現値,精度,およびF測度のような性能計量を計算した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  測度 ,  特徴抽出 ,  アフリカ ,  *仮想機械システム ,  セキュリティ ,  *マルウェア ,  サイバー攻撃
準シソーラス用語： 脆弱性 ,  陽性率 ,  複雑性 ,  マルウェア検出 ,  システムセキュリティ ,  クラウドサービス , 【Automatic Indexing@JST】

著者キーワード (5件)： 仮想機械検査 ,  深層学習 ,  システムセキュリティ ,  マルウェア検出 ,  アフリカスイギュウの最適化

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： マルウェア ,  分類 ,  仮想 ,  機械検査 ,  開発