通过吞食整个 EXE 文件进行恶意软件检测
机器学习
2017-10-27 v1 密码学与安全
机器学习
摘要
在这项工作中，我们将基于原始字节序列的恶意软件检测作为一个富有成果的研究领域介绍给更广泛的机器学习社区。为此类问题构建神经网络带来了一些在图像处理或 NLP 等任务中未出现的有趣挑战。我们特别指出，从原始字节进行检测呈现出一个超过两百万时间步的序列问题，且批归一化似乎会阻碍学习过程。我们展示了构建解决该问题方案的初步工作，该方案对序列长度具有线性复杂度依赖，并能够识别二进制文件中可解释的子区域。在此过程中，我们将讨论构建处理此规模数据的神经网络所面临的诸多挑战，以及我们用以规避它们的方法。
引用
@article{arxiv.1710.09435,
title = {Malware Detection by Eating a Whole EXE},
author = {Edward Raff and Jon Barker and Jared Sylvester and Robert Brandon and Bryan Catanzaro and Charles Nicholas},
journal= {arXiv preprint arXiv:1710.09435},
year = {2017}
}