用于检测物联网固件中恶意软件的机器学习算法综述
机器学习
2021-11-04 v1
摘要
本工作探讨了在物联网固件数据集上使用机器学习技术，以检测感染边缘设备或随后破坏整个网络的恶意企图。物联网设备中的固件更新并不常见；因此，它们充满了漏洞。针对此类设备的攻击可能不被察觉，而用户可能成为安全中的薄弱环节。恶意软件可引发 DDoS 攻击，甚至监视人们住宅等敏感区域。为帮助减轻这一威胁，本文采用多种机器学习算法对物联网固件进行分类，并报告了表现最佳的模型。在总体比较中，排名前三的算法是梯度提升、逻辑回归和随机森林分类器。还探讨了包括卷积和全连接神经网络在内的深度学习方法，这些方法采用了实验性及已被证明成功的架构。
引用
@article{arxiv.2111.02388,
title = {A Survey of Machine Learning Algorithms for Detecting Malware in IoT Firmware},
author = {Erik Larsen and Korey MacVittie and John Lilly},
journal= {arXiv preprint arXiv:2111.02388},
year = {2021}
}
备注
9 pages, 8 figures, 2 tables