PulseAugur
中
实时 10:59:44
English(EN) Building an Adversarial Malware Dataset by Family and Type: Generation, Evasion, and Poisoning Evaluation

新对抗性恶意软件数据集发布，用于测试 AI 检测的鲁棒性

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新的对抗性恶意软件样本数据集，该数据集源自真实的恶意软件二进制文件，用于测试基于机器学习的检测系统的鲁棒性。该数据集包含超过 44,000 个按家族标记和 33,000 个按类型标记的对抗性样本，在现有分类器上显示出高规避率。研究还强调了这些系统易受数据投毒攻击的影响，其中一小部分错误标记的数据会急剧增加规避率。 AI

影响 该数据集将使研究人员能够开发更鲁棒的恶意软件检测 AI 模型，从而提高抵御复杂网络威胁的能力。

排序理由 该集群包含一篇研究论文，详细介绍了在恶意软件检测背景下用于对抗性机器学习的新数据集的创建和评估。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新对抗性恶意软件数据集发布，用于测试 AI 检测的鲁棒性

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · David Ko\v{s}\v{t}\'al, Martin Jure\v{c}ek ·

    构建按家族和类型划分的对抗性恶意软件数据集：生成、规避和投毒评估

    arXiv:2605.25937v1 Announce Type: cross Abstract: We present a dataset of adversarial malware samples derived from the public RawMal-TF collection of real-world malware binaries. Using a suite of adversarial malware generators, we construct two sets of adversarial PE files: 44,34…

  2. arXiv cs.LG TIER_1 English(EN) · Martin Jureček ·

    构建按家族和类型划分的对抗性恶意软件数据集：生成、规避和投毒评估

    We present a dataset of adversarial malware samples derived from the public RawMal-TF collection of real-world malware binaries. Using a suite of adversarial malware generators, we construct two sets of adversarial PE files: 44,347 family-labelled samples and 33,596 type-labelled…

相关实体

相关话题