English(EN) Cost-Aware Hierarchical Multi-Agent Ransomware Detection and Family Attribution

新型HMAS系统提供成本效益高的勒索软件检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-07 04:00

研究人员开发了一种成本感知型分层多智能体系统（HMAS），用于更高效的勒索软件检测和家族归因。该系统采用专业智能体的分层组织，由元协调器进行协调，以自适应地选择分析模式。它优先使用低成本的静态分析，并仅在必要时选择性地使用动态和内存分析，由一个平衡性能与计算成本的成本模型指导。实验表明，HMAS在检测和归因方面实现了高准确率，同时与详尽方法相比，分析成本降低了近44%，其中很大一部分案例仅使用静态证据即可解决。 AI

影响这项研究可能带来更高效、更具成本效益的网络安全工具，用于检测和分类勒索软件威胁。

排序理由详细介绍一种新型勒索软件检测系统的学术论文。[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 →

本文如何被排名

Signal score: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍一种新型勒索软件检测系统的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Mubashar Iqbal, Asifullah Khan · 2026-09-07 04:00

成本感知式分层多智能体勒索软件检测与家族归属

arXiv:2609.04820v1 Announce Type: cross Abstract: Ransomware detection and family attribution require analysis of different modalities because it can use packing, obfuscation, process manipulation and runtime evasion techniques. However, conventional multimodal usually uses all a…

本文如何被排名

报道来源 [1]

成本感知式分层多智能体勒索软件检测与家族归属

相关实体

相关话题