Echelon：面向原始可执行文件的两层恶意软件检测以降低误报
密码学与安全
2021-01-05 v1 机器学习
摘要
现有恶意软件检测方法由于采用单层分类思路，在误报率 (FPR) 与真阳率 (TPR) 之间存在简单的权衡，二者相互不利地影响。恶意软件检测的实际含义是，FPR 必须保持在可接受的低水平，同时 TPR 保持高位。为此，我们提出一种称为“Echelon”的两层学习，直接从原始字节数据出发，无需手工特征。第一层将 FPR 锁定在指定目标水平，而第二层在维持已锁定 FPR 的同时提升 TPR。Echelon 的核心在于提取第一层模型隐藏层的激活信息以构建更强的第二层模型。Echelon 是一个框架，允许任何现有的基于 CNN 的模型在两层中适配。我们给出了通过在第一和第二层适配最先进的恶意软件检测模型“Malconv”来评估 Echelon 的实验结果。
引用
@article{arxiv.2101.01015,
title = {Echelon: Two-Tier Malware Detection for Raw Executables to Reduce False Alarms},
author = {Anandharaju Durai Raju and Ke Wang},
journal= {arXiv preprint arXiv:2101.01015},
year = {2021}
}
备注
12 pages, 8 figures, 5 tables