BinImg2Vec：利用 Data2Vec 增强恶意软件二进制图像分类
密码学与安全
2022-09-05 v1 计算机视觉与模式识别
机器学习
摘要
由新冠疫情推动的快速数字化导致了更多网络犯罪。恶意软件即服务（Malware-as-a-service）如今已成为网络罪犯的蓬勃生意。随着恶意软件活动的激增，网络防御者了解手头恶意软件样本的相关信息至关重要，因为这些信息能在入侵期间极大影响他们的后续行动。最近，研究人员展示了如何通过将恶意软件二进制文件转换为灰度图像，再将其送入神经网络进行分类来实现恶意软件家族分类。然而，大多数工作聚焦于研究不同神经网络架构对分类性能的影响。去年，研究人员表明用自监督学习增强监督学习可提升性能。更近一些，Data2Vec 被提出作为一种模态无关的自监督框架来训练神经网络。本文中，我们提出 BinImg2Vec，一种训练恶意软件二进制图像分类器的框架，它结合了自监督学习与监督学习，以产生一个始终优于仅通过监督学习训练的模型。我们能够在分类性能上实现 4% 的提升，并在多次运行中使性能方差降低 0.5%。我们还展示了我们的框架如何产生可良好聚类的嵌入，从而促进模型可解释性。
引用
@article{arxiv.2209.00782,
title = {BinImg2Vec: Augmenting Malware Binary Image Classification with Data2Vec},
author = {Joon Sern Lee and Kai Keng Tay and Zong Fu Chua},
journal= {arXiv preprint arXiv:2209.00782},
year = {2022}
}