ML classifiers

可解释的Tsetlin机器框架在PDF恶意软件检测中达到98%的准确率

研究人员开发了一个新的可解释的Tsetlin机器（TM）框架，用于检测嵌入在PDF文件中的恶意软件。该方法使用静态分析从PDF中提取特征，而不执行它们，然后应用基于规则的学习将文档分类为良性或恶意。该框架在RIT-PDFMal-2026数据集上达到了98.02%的准确率，优于其他几种机器学习分类器。其主要优点包括具有竞争力的检测性能、计算效率和固有的可解释性，使其成为现实世界PDF恶意软件检测的实用解决方案。