用于恶意软件检测的生成对抗网络：综述
密码学与安全
2023-02-28 v2 机器学习
摘要
自Ian Goodfellow于2014年论文中提出以来，生成对抗网络（GAN）的研究呈爆发式增长。尽管GAN已应用于诸多领域，但恶意软件研究这一问题空间已成为GAN扎根生长的土壤。从平衡数据集到在稀有类别中生成未见样本，GAN模型提供了广泛的应用机遇。本文综述了将生成对抗网络用于恶意软件问题空间的现有研究与文献。期望读者借此能总体理解生成对抗模型为该领域提供了什么，以及其在恶意软件研究的哪些子领域中最适用。文章涵盖了当前相关综述、GAN的不同类别，并给出了近期针对优化GAN以适应不同课题的研究结果，以及未来探索方向。
引用
@article{arxiv.2302.08558,
title = {Generative Adversarial Networks for Malware Detection: a Survey},
author = {Aeryn Dunmore and Julian Jang-Jaccard and Fariza Sabrina and Jin Kwak},
journal= {arXiv preprint arXiv:2302.08558},
year = {2023}
}