实体
Malware classification and detection using audio descriptors
Malware classification and detection using audio descriptors
PulseAugur coverage of Malware classification and detection using audio descriptors — every cluster mentioning Malware classification and detection using audio descriptors across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的“Better Call Graphs”数据集增强了Android恶意软件分类
研究人员推出了一款名为“Better Call Graphs”（BCG）的新数据集，旨在改进Android应用程序的恶意软件分类。现有的数据集通常过时或包含冗余样本，阻碍了有效的基于图的检测方法的开发。BCG提供了大量来自近期Android应用程序包的独特函数调用图，包括良性和恶意样本，以解决这些局限性。实验表明，在评估分类模型方面，BCG优于现有数据集。
-
调用图上下文可改进二进制嵌入但缺乏泛化性
一篇新的研究论文探讨了将调用图上下文纳入二进制函数嵌入模型的影响。研究发现，虽然这种过程间上下文可以提高鲁棒性，特别是对于与命名空间相关的函数，但在诸如二进制代码相似性检测等任务上的改进并不总是能泛化到其他下游任务，例如那些侧重于语法相似性的任务。研究表明，优化语义相似性可能会导致在语法任务上的性能下降。
-
新的专家混合框架增强恶意软件分析能力
研究人员开发了一种利用专家混合（MoE）架构的用于恶意软件分析的新型多任务框架。该系统同时处理恶意软件家族分类、打包检测以及恶意软件与良性软件的识别。该框架使用来自可移植可执行文件的EMBER特征集和原始字节数组进行了评估，其中Multi-Gate MoE变体在对抗变异方面表现出卓越的性能和鲁棒性。