恶意软件检测中虚假相关的经验量化
密码学与安全
2025-06-12 v1 人工智能
摘要
端到端深度学习在恶意软件检测方面表现出无与伦比的性能，但这一成就的取得是通过利用虚假相关——在推理时具有高相关性但通过领域知识已知无用的特征。虽然先前工作指出深度网络主要关注元数据，但无人进一步研究这一现象，也未量化其对决策的影响。在本工作中，我们通过揭示模型在多大程度上依赖编译器留下的空白空间（这会降低编译代码的相关性），深化了对虚假相关如何影响恶意软件检测中深度学习的理解。通过对一个小规模平衡数据集的深入分析，我们引入了两种端到端模型的排序，以更好地理解哪个更适合投入生产。
引用
@article{arxiv.2506.09662,
title = {Empirical Quantification of Spurious Correlations in Malware Detection},
author = {Bianca Perasso and Ludovico Lozza and Andrea Ponte and Luca Demetrio and Luca Oneto and Fabio Roli},
journal= {arXiv preprint arXiv:2506.09662},
year = {2025}
}