从 AI 视角看安全：可视化技术如何塑造恶意软件检测
密码学与安全
2025-10-09 v4
摘要
恶意软件作为持续的网络安全威胁，日益针对通过复杂攻击向量侵入桌面、移动和物联网等互联互通的数字系统。通过利用这些漏洞，攻击者会破坏现代数字生态系统的完整性和韧性。为应对此风险，安全专家积极采用基于机器学习或深度学习的策略，集成静态、动态或混合方法，以对恶意软件实例进行分类。尽管这些方法具有优势，但仍存在内在缺陷，且恶意软件变体不断以更高的复杂性演化，亟需检测策略的进步。可视化技术正作为在桌面、移动、物联网、分布式系统以及通过网络数据包捕获文件分析中检测和理解恶意行为的可扩展且可解释解决方案而涌现。本文综合了超过100篇高质量研究文章，评估了应用于恶意软件检测和分类的现有可视化方法。作为首次贡献，我们提出了一种全面框架，用于研究可视化恶意软件检测技术的技术格局。在该框架中，我们系统地分析了恶意软件检测管道各关键阶段的前沿方法。通过不仅关注单一技术，也关注它们如何组合以产生最终解决方案，洞察了可视化方法中的主要挑战，并提供对该关键领域的进展及潜在未来方向的见解。
引用
@article{arxiv.2505.07574,
title = {Security through the Eyes of AI: How Visualization is Shaping Malware Detection},
author = {Matteo Brosolo and Asmitha K. A. and Mauro Conti and Rafidha Rehiman K. A. and Muhammed Shafi K. P. and Serena Nicolazzo and Antonino Nocera and Vinod P},
journal= {arXiv preprint arXiv:2505.07574},
year = {2025}
}