基于加密状态传递的 Neural Encrypted State Transduction 用于勒索软件分类：一种新颖方法
密码学与安全
2025-08-11 v2
摘要
加密的行为模式为分析复杂数字威胁提供了独特的途径，而无需依赖显式特征提取，使检测框架即使在传统静态和行为方法失效时仍能有效。我们引入一种基于 Neural Encrypted State Transduction（NEST）的新方法，用于分析加密状态转换并通过其加密状态来分类威胁，从而减轻通过多态和混淆攻击策略所采用的规避措施。NEST的数学表述利用传递原理动态映射状态转换，使无需直接访问解密执行痕迹即可实现高置信度分类。实验评估表明，所提出的框架在多个勒索软件家族上实现了改进的检测准确率，同时对对抗性扰动和以前未见的攻击变体表现出鲁棒性。该模型保持具竞争力的处理效率，为大规模安全部署提供了实用的性能与计算资源约束之间的平衡。比较评估显示，NEST 在检测采用延迟加密、基于熵的混淆和内存驻留执行技术的勒索软件样本时，始终优于基准分类模型。该方法在不同执行环境中的广泛泛化能力强化了加密传递方法在对抗性分类任务中贴合传统恶意软件检测管道之外的适用性。传递层中残差学习机制的集成进一步增强了分类鲁棒性，最小化了各种操作环境中的误报率和误分类率。
引用
@article{arxiv.2502.05341,
title = {Neural Encrypted State Transduction for Ransomware Classification: A Novel Approach Using Cryptographic Flow Residuals},
author = {Barnaby Fortescue and Edmund Hawksmoor and Alistair Wetherington and Frederick Marlowe and Kevin Pekepok},
journal= {arXiv preprint arXiv:2502.05341},
year = {2025}
}
备注
arXiv admin note: This paper has been withdrawn by arXiv due to disputed and unverifiable authorship