MalwareDNA：恶意软件、恶意软件家族与未知恶意软件的同时分类
密码学与安全
2023-09-06 v1 机器学习
摘要
恶意软件是对国家安全最具危险性和代价的网络威胁之一，也是现代网络空间中的关键因素。然而，基于机器学习（ML）的对抗恶意软件威胁的解决方案的采用相对缓慢。现有 ML 方法的缺陷可能正是导致该问题的原因。当前大多数 ML 方法忽视了现实世界中的挑战，例如未知恶意软件的检测。此外，所提出的 ML 方法通常要么针对恶意/良性软件分类，要么针对恶意软件家族分类进行设计。在此，我们介绍并展示了一种新方法的初步能力，该方法能够精确识别未知恶意软件家族，同时将恶意/良性软件分类与恶意软件家族分类的能力统一到单一框架中。
引用
@article{arxiv.2309.01350,
title = {MalwareDNA: Simultaneous Classification of Malware, Malware Families, and Novel Malware},
author = {Maksim E. Eren and Manish Bhattarai and Kim Rasmussen and Boian S. Alexandrov and Charles Nicholas},
journal= {arXiv preprint arXiv:2309.01350},
year = {2023}
}
备注
Accepted at IEEE ISI 2023