PulseAugur
中
实时 07:39:31
English(EN) ViPER: Vision-based Packing-Aware Encoder for Robust Malware Detection

ViPER 使用图像分析和打包检测实现鲁棒的恶意软件检测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 ViPER，一种新颖的恶意软件检测方法，该方法结合了基于图像的分析和对可执行文件打包的感知。该方法采用了一个 Vision Transformer (ViT) 主干，并使用 LoRA 和双头架构进行适配，以同时对恶意软件进行分类和检测打包。一个感知打包的门控机制允许根据二进制文件是否被打包做出不同的预测，解决了已打包文件显示为高熵图像的关键挑战。ViPER 在一个包含 200,000 个 Windows PE 字节图图像的数据集上取得了强劲的性能，恶意软件检测的平衡准确率为 0.8521，ROC-AUC 为 0.9260，打包检测的 AUC 为 0.9949。 AI

排序理由 该集群包含一篇详细介绍恶意软件检测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Fatima Qaiser, Bisma Tahir, Muhammad Abid Mughal, Nauman Shamim ·

    ViPER: Vision-based Packing-Aware Encoder for Robust Malware Detection

    arXiv:2606.12949v1 Announce Type: cross Abstract: Visualization-based malware detection maps raw binary bytes to grayscale images and applies learned visual classifiers, providing an evasion-resistant and disassembly-free alternative to conventional analysis pipelines. However, e…

相关实体

相关话题