Deep Image：一种基于珍贵图像的物联网环境下在线恶意软件深度学习方法
密码学与安全
2022-04-05 v1 机器学习
摘要
物联网设备中的恶意软件数量和攻击次数每天都在上升，这促使安全专业人员不断改进其恶意软件分析工具。网络安全领域的研究人员已广泛探索了复杂分析技术的使用以及恶意软件检测的效率。随着新型恶意软件种类和攻击途径的出现，安全专家在开发高效的恶意软件检测与分析方案时面临重大挑战。本文考虑了恶意软件分析的一种不同视角，计算各样本特征的风险等级，并据此计算该样本的风险等级。通过这种方式，引入了一个与准确率和误报率（FPR）准则一起用于物联网环境下恶意软件分析的判据。本文提出了三种基于可视化技术的恶意软件检测方法，称为聚类方法、概率方法和深度学习方法。然后，除常用的机器学习准则即准确率和FPR外，还使用了基于样本风险的所提准则进行比较，结果表明深度学习方法在检测恶意软件方面表现更优。
引用
@article{arxiv.2204.01690,
title = {Deep Image: A precious image based deep learning method for online malware detection in IoT Environment},
author = {Meysam Ghahramani and Rahim Taheri and Mohammad Shojafar and Reza Javidan and Shaohua Wan},
journal= {arXiv preprint arXiv:2204.01690},
year = {2022}
}
备注
10 pages, 17 figures, SUBMITTED TO IEEE INTERNET OF THINGS JOURNAL, MARCH 2022