实体
malware detection
malware detection
PulseAugur coverage of malware detection — every cluster mentioning malware detection 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
-
研究人员提出用于恶意软件检测的可解释图神经网络集成模型
研究人员开发了一种新颖的集成框架，使用堆叠图神经网络（GNN）来改进恶意软件检测。该方法从可执行文件中动态提取控制流图，并使用多个GNN基础学习器来捕获多样化的行为特征。一个基于注意力的元学习器聚合预测，并通过量化每个基础模型的贡献来提供解释，从而增强了可解释性和鲁棒性。
-
新AI方法应对不断演变的安卓恶意软件检测
研究人员开发了新的方法来应对安卓恶意软件检测系统中的概念漂移问题，该问题是指模型性能会因恶意软件特征的演变而随时间下降。一种方法，“使用自监督和强化学习的概念漂移适应”，利用自监督学习来获得稳定的表示，并利用强化学习来选择具有成本效益的维护操作。另一种方法，“SEED：用于在预算内应对概念漂移的半监督持续恶意软件检测”，结合了半监督持续学习和主动学习，以在有限的标记数据下提高检测能力。第三项研究，“时间概念漂移下的对抗性漏洞”，纵向评…
-
Victor Chang教授因在网络安全和隐私领域的AI领导力而获奖
Victor Chang教授因其在负责任的AI开发方面所做的贡献，被评为年度网络安全专业人士。他的工作强调联邦学习和隐私保护技术，特别是在保护关键基础设施方面。Chang教授牵头了一个英日合作项目，该项目开发了一个联邦恶意软件检测系统，准确率达到96.8%，同时保护了用户隐私。