异构图匹配网络
密码学与安全
2019-10-21 v1 机器学习
机器学习
摘要
信息系统广泛成为恶意软件攻击的目标。传统的基于签名的恶意程序检测算法只能检测已知恶意软件，且易受二进制混淆等规避技术的影响，而基于行为的方法高度依赖恶意软件训练样本并带来极高的训练成本。为解决现有技术的局限，我们提出 MatchGNet，一种异构图匹配网络模型，基于程序执行行为的不变图建模同时学习图表示与相似性度量。我们对模型进行了系统评估，表明其在检测恶意程序行为上准确，并有助于以更少的误报检测恶意软件攻击。MatchGNet 在恶意软件检测中优于最先进算法，在保持零漏报的同时减少 50% 的误报。
引用
@article{arxiv.1910.08074,
title = {Heterogeneous Graph Matching Networks},
author = {Shen Wang and Zhengzhang Chen and Xiao Yu and Ding Li and Jingchao Ni and Lu-An Tang and Jiaping Gui and Zhichun Li and Haifeng Chen and Philip S. Yu},
journal= {arXiv preprint arXiv:1910.08074},
year = {2019}
}