AI 驱动的恶意软件感染预防与检测算法
密码学与安全
2026-01-13 v1 人工智能
摘要
恶意软件攻击的频率和复杂度不断增加，被视为现代数字基础设施的重大威胁，这意味着传统的基于签名的检测方法正变得不够有效。随着网络威胁的持续演变，对智能系统进行准确且及时识别和预防恶意软件感染的需求日益增长。本研究提出了一种新的混合上下文感知恶意软件检测框架（HCADMF），基于人工智能（AI），结合了静态文件分析、动态行为分析和上下文元数据，提供更准确和更及时的检测。HCADMF 采用多层架构，包括用于实时行为分析的轻量级静态分类器，如长短期记忆网络（LSTM），以及通过整合多层预测实现的集成风险评分。对新方法/方法进行基准数据集的实验评估，包括 EMBER 和 CIC-MalMem2022，结果显示该方法在准确率达到 97.3% 时表现优于多个现有机器学习（ML）和深度学习（DL）方法，仅为 1.5% 的假阳性率，检测延迟最小。结果表明混合 AI 能够检测现有和新型恶意软件变体，为构建能够实现实时检测并适应快速变化威胁格局的智能安全系统奠定了基础。
引用
@article{arxiv.2601.06219,
title = {AI-Powered Algorithms for the Prevention and Detection of Computer Malware Infections},
author = {Rakesh Keshava and Sathish Kuppan Pandurangan and M. Sakthivanitha and Sankaranainar Parmsivan and Goutham Sunkara and R. Maruthi},
journal= {arXiv preprint arXiv:2601.06219},
year = {2026}
}