基于函数调用图变换的恶意软件开集识别表示学习
密码学与安全
2022-07-13 v3 机器学习
摘要
开集识别（OSR）问题在许多机器学习（ML）应用中一直是一项挑战，例如安全领域。由于新的/未知的恶意软件家族定期出现，很难穷尽覆盖所有类别的样本用于ML系统的训练过程。一个先进的恶意软件分类系统应当正确分类已知类别，同时对未知类别保持敏感。在本文中，我们针对恶意软件分类中的OSR问题提出了一种自监督预训练方法。我们提出了两种基于函数调用图（FCG）的恶意软件表示的变换，以促进前置任务。此外，我们提出了一种统计阈值方法来寻找未知类别的最优阈值。并且，实验结果表明，我们提出的预训练过程能够改善不同下游损失函数在OSR问题上的不同性能。
引用
@article{arxiv.2205.06918,
title = {Representation learning with function call graph transformations for malware open set recognition},
author = {Jingyun Jia and Philip K. Chan},
journal= {arXiv preprint arXiv:2205.06918},
year = {2022}
}