PulseAugur
中
实时 08:53:16
English(EN) ThreatVisionAI: A Hybrid CNN-ViT Framework for Image-Based Malware Classification

新的混合CNN-ViT框架提高了恶意软件分类的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ThreatVisionAI，一个用于通过基于图像的分析对恶意软件家族进行分类的新型混合框架。该系统结合了卷积神经网络（CNN）和视觉Transformer（ViT），以提取全面的特征集，包括空间、频域和全局关系信息。该框架在Malimg数据集上表现出色，准确率达到98.01%，加权F1分数达到0.9742，在区分视觉上相似或少数恶意软件家族方面尤其有效。 AI

影响 这种混合方法可以通过利用先进的AI架构来改进对复杂和新型恶意软件的检测。

排序理由 该集群包含一篇详细介绍恶意软件分类新技术的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的混合CNN-ViT框架提高了恶意软件分类的准确性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Allyson Taylor, Prashanth BusiReddyGari ·

    ThreatVisionAI: A Hybrid CNN-ViT Framework for Image-Based Malware Classification

    arXiv:2607.03653v1 Announce Type: cross Abstract: Traditional malware detection methods struggle to generalize to obfuscated or previously unseen threats. This paper introduces ThreatVisionAI, a hybrid malware family classification framework that integrates a raw-image CNN, a wav…

相关实体

相关话题