新型Transformer模型DRIFT增强DGA检测能力以应对不断演变的威胁

研究人员开发了一个名为DRIFT的新型基于Transformer的框架，以对抗僵尸网络中使用的领域生成算法（DGA）不断演变的威胁。通过一项为期九年的研究，他们观察到随着新变种的出现，现有的DGA检测方法会迅速退化。DRIFT通过学习不变表示来解决这个问题，它采用混合标记化策略，结合了字符级和子词级编码，以及多任务自监督预训练。评估表明，DRIFT显著缓解了时间退化，并在前向链接实验中超越了当前最先进的基线，提供了更可靠的长期防御。 AI

影响 通过提供更强大的防御能力来应对不断演变的网络威胁，从而增强网络安全。

排序理由 该集群描述了一篇详细介绍用于DGA检测的新模型的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• DRIFT
• Gotit.pub
• Hugging Face
• ScienceCast
• Seonghoon Jeong
• Transformer

• 论文
• 安全

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