利用机器学习的速度与精度优势推进网络安全
密码学与安全
2024-03-05 v3
摘要
随着网络攻击在频率和复杂性上持续增加，检测恶意软件已成为维护计算机系统安全的关键任务。传统的基于签名的恶意软件检测方法在检测复杂且不断演化的威胁方面存在局限。近年来，机器学习（ML）已成为有效检测恶意软件的一种有前景的解决方案。ML 算法能够分析大型数据集并识别人类难以发现的模式。本文全面综述了用于恶意软件检测的最先进 ML 技术，包括监督与无监督学习、深度学习和强化学习。我们还考察了基于 ML 的恶意软件检测的挑战与局限，例如对抗攻击的可能性以及对大量标注数据的需求。此外，我们讨论了基于 ML 的恶意软件检测的未来方向，包括多种 ML 算法的集成以及使用可解释 AI 技术来增强基于 ML 的检测系统的可解释性。我们的研究凸显了基于 ML 的技术在提升恶意软件检测速度与精度、助力增强网络安全方面的潜力。
引用
@article{arxiv.2302.12415,
title = {Harnessing the Speed and Accuracy of Machine Learning to Advance Cybersecurity},
author = {Khatoon Mohammed},
journal= {arXiv preprint arXiv:2302.12415},
year = {2024}
}