基于深度学习的 XIoT 恶意软件分析：综合调查、分类与研究挑战
密码学与安全
2024-10-21 v1 人工智能
摘要
物联网（IoT）是增长最快的计算行业之一。到 2027 年，预计将有超过 290 亿个设备被连接。这些智能设备可以彼此通信，无论是否需要人类干预。这种快速增长导致新型恶意软件的出现。然而，传统的恶意软件检测方法，如基于签名和基于启发式的技术，正在变得越来越无效于这些新型恶意软件。因此， finding practical solutions for detecting IoT malware has become indispensable. 机器学习（ML）和深度学习（DL）方法在应对这些新的 IoT 恶意软件变种方面已被证明有效，显示出高检测率。在本文中，我们弥合了 IoT 恶意软件分析与深度学习在此领域广泛采纳之间的研究差距。因此，我们提供了一份关于深度学习在 IoT 领域（即延伸物联网（XIoT））各种类别中的恶意软件分析的综合性综述，包括工业物联网（IIoT）、医疗物联网（IoMT）、车联网（IoV）以及战场物联网（IoBT）。
引用
@article{arxiv.2410.13894,
title = {Deep Learning Based XIoT Malware Analysis: A Comprehensive Survey, Taxonomy, and Research Challenges},
author = {Rami Darwish and Mahmoud Abdelsalam and Sajad Khorsandroo},
journal= {arXiv preprint arXiv:2410.13894},
year = {2024}
}