DeepOrigin：用于检测新型恶意软件家族的端到端深度学习方法
密码学与安全
2019-11-26 v2
摘要
在本文中，我们提出一种区分已知与先前未见恶意软件家族的新方法。我们利用迁移学习，通过学习紧凑的文件表示，用于先前所见恶意软件家族与新型家族之间的新分类任务。所学得的文件表示由恶意软件的静态与动态特征组成，且对不改变其恶意功能的小幅修改具有不变性。使用一个由数千个恶意文件变体组成的广泛数据集，我们能够在已见与未见恶意软件家族的分类中达到97.7%的准确率。我们的方法为网络安全研究人员提供了一种重要的聚焦工具，并大幅提升了适应当前威胁态势快速变化节奏的整体能力。
引用
@article{arxiv.1809.08479,
title = {DeepOrigin: End-to-End Deep Learning for Detection of New Malware Families},
author = {Ilay Cordonsky and Ishai Rosenberg and Guillaume Sicard and Eli David},
journal= {arXiv preprint arXiv:1809.08479},
year = {2019}
}