PulseAugur
中
实时 07:21:45
English(EN) MalPurifier: Enhancing Android Malware Detection with Adversarial Purification against Evasion Attacks

MalPurifier 框架增强了针对规避攻击的 Android 恶意软件检测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 MalPurifier，一个新颖的对抗性净化框架，旨在增强用于 Android 恶意软件检测的机器学习模型的鲁棒性。该框架包含一个多样化的对抗性扰动机制、一个针对良性数据的噪声注入策略以及一个具有双目标损失的去噪自动编码器。实验表明，MalPurifier 的性能显著优于现有防御措施，在面对 37 种不同的规避攻击时仍能保持超过 90.91% 的准确率，并且可以轻松地作为即插即用模块集成。 AI

影响 增强了机器学习模型对抗对抗性规避攻击的安全性，有可能提高恶意软件检测系统的可靠性。

排序理由 这是一篇详细介绍用于增强机器学习模型对抗对抗性攻击安全性的新颖框架的研究论文。[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 →

MalPurifier 框架增强了针对规避攻击的 Android 恶意软件检测能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yuyang Zhou, Guang Cheng, Zongyao Chen, Shui Yu ·

    MalPurifier: Enhancing Android Malware Detection with Adversarial Purification against Evasion Attacks

    arXiv:2312.06423v3 Announce Type: replace-cross Abstract: Machine learning (ML) has gained significant adoption in Android malware detection to address the escalating threats posed by the rapid proliferation of malware attacks. However, recent studies have revealed the inherent v…

相关实体

相关话题