MalNet：一个大规模恶意软件图像数据库
密码学与安全
2022-09-07 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
随着基于图像的二进制表示兴起，计算机视觉在自动化恶意软件检测中扮演着日益重要的角色。这些二进制图像生成快速、无需特征工程，且对常见混淆方法具有鲁棒性。该领域已开展大量研究，然而其受限于仅有少数工业实验室与研究团队可访问的小规模或私有数据集。这种可用性的缺乏阻碍了现有工作的检验、新研究的开展以及思想的传播。我们发布 MalNet-Image，最大的公共网络安全图像数据库，提供比现有数据库多 24 倍的图片与 70 倍的类别（可从 https://mal-net.org 获取）。MalNet-Image 包含超过 120 万张恶意软件图像——涵盖 47 种类型与 696 个家族——通过使研究者与从业者能够评估先前仅在专有环境下报告的技术，使基于图像的恶意软件能力民主化。我们报告了基于二进制图像的首次百万规模恶意软件检测结果。MalNet-Image 开启了推进机器学习前沿的新颖且独特机遇，促成面向基于视觉的网络防御、多类不平衡分类与可解释安全的新研究方向。
引用
@article{arxiv.2102.01072,
title = {MalNet: A Large-Scale Image Database of Malicious Software},
author = {Scott Freitas and Rahul Duggal and Duen Horng Chau},
journal= {arXiv preprint arXiv:2102.01072},
year = {2022}
}
备注
Accepted at CIKM'22 as a short/resource track paper