浅层端的深度学习：面向非领域专家的恶意软件分类
密码学与安全
2018-07-24 v1 人工智能
机器学习
摘要
当前恶意软件检测与分类方法通常依赖耗时且知识密集的流程，从恶意软件中提取模式（签名）与行为，进而用于识别。此外，这些签名常局限于数据内的局部连续序列，而忽略其彼此之间及在整个恶意软件文件中的上下文。我们提出一种基于深度学习的恶意软件分类方法，无需专家领域知识，并基于纯数据驱动的方式实现复杂模式与特征识别。
引用
@article{arxiv.1807.08265,
title = {Deep learning at the shallow end: Malware classification for non-domain experts},
author = {Quan Le and Oisín Boydell and Brian Mac Namee and Mark Scanlon},
journal= {arXiv preprint arXiv:1807.08265},
year = {2018}
}