PulseAugur
中
实时 06:50:42
English(EN) Taming the Security-Energy Paradox: A Green AI Approach to Optimized Android Malware Detection

绿色AI方法通过INT8量化优化安卓恶意软件检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种绿色AI方法来优化安卓恶意软件检测，解决了移动设备上安全与能耗之间的权衡。通过比较标准的FP32模型和INT8量化神经网络，他们发现INT8量化在保持高检测精度的同时，显著减小了模型大小和能耗。特别是，像3层和4层QNNs这样的浅层量化架构通过提高吞吐量和缩短CPU高功耗状态持续时间，在降低能耗方面被证明是有效的，从而在资源受限的智能手机上实现了高效的恶意软件防护。 AI

影响 在移动设备上实现更节能、更有效的AI驱动的安全解决方案。

排序理由 学术论文，详细介绍了一种新的AI模型优化方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

绿色AI方法通过INT8量化优化安卓恶意软件检测

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shrinidhi Sridhar, Vikas K. Malviya ·

    驯服安全-能源悖论：一种优化安卓恶意软件检测的绿色人工智能方法

    arXiv:2607.20003v1 Announce Type: cross Abstract: An increase in advanced Android malware requires the use of deep learning models, which can run on Android devices. But there is a trade-off between security and energy use, as strong detection models can drain the battery of devi…

相关实体

相关话题