在静态恶意软件检测中使用多 CNN 进行节分析
密码学与安全
2024-02-07 v1 人工智能
摘要
现有的恶意软件检测研究几乎完全集中在检测率上。然而，在某些情况下，理解算法的结果或获取更多信息也很重要，例如分析师应该在文件中的何处进行调查。为此，我们提出了一个新模型来分析可移植可执行文件。我们的方法包括将文件拆分为不同的节，然后将每个节转换为图像，以便训练卷积神经网络专门处理每个已识别的节。然后，我们使用 CNN 返回的所有这些分数来计算最终检测分数，并使用模型使我们能够提高对每个节在最终分数中重要性的分析。
引用
@article{arxiv.2402.04102,
title = {Use of Multi-CNNs for Section Analysis in Static Malware Detection},
author = {Tony Quertier and Grégoire Barrué},
journal= {arXiv preprint arXiv:2402.04102},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2312.12161