関連する実験動画
Updated: Sep 9, 2025
04:17
DNA Virus Detection System Based on RPA-CRISPR/Cas12a-SPM and Deep Learning
Published on: May 10, 2024
867
画像ベースのダイナミック機能とデータセットの制限に対処するための転送学習を使用して,ランサムウェア検出のための新しい技術
Jannatul Ferdous1, Rafiqul Islam2, Arash Mahboubi3
1School of Computing, Mathematics and Engineering, Charles Sturt University, Wagga Wagga, NSW, 2650, Australia. jferdous@csu.edu.au.
Scientific reports
|September 2, 2025
まとめ
この研究では,行動から画像への変換と転送学習 (TL) を使用した新しいランサムウェア検出方法が紹介されています. このアプローチは,限られたデータでも高い精度を達成し,進化するランサムウェアの脅威に対するサイバーセキュリティの防御を強化します.
科学分野:
- サイバーセキュリティ
- 機械学習
- コンピュータ・フォレンシクス
背景:
- ランサムウェアの攻撃は増加しており,高度な検出方法が必要です.
- 現在の画像ベースの検出では 静的な分析が用いられ ダイナミックな行動が欠けています
- 既存のダイナミック分析方法には空間的表現が欠けていて,スケーラビリティに問題がある.
研究 の 目的:
- 行動型ランサムウェアの 検出フレームワークを開発する
- 手動的な機能エンジニアリングと大量のラベル付きデータセットの限界を克服する.
- ランサムウェアの脅威の検出の精度と一般化を高めるため
主な方法:
- ダイナミックな行動特性を 2Dのグレースケールとカラー画像に変換します
- ResNet50のような訓練済みモデルのトランスファー・ラーニング (TL) を利用する.
- ドメイン特有の機能フィルタリングとインパクト分析を統合する.
主要な成果:
- 最低0.0026の損失因子で 99.96%の精度を達成しました.
- 小さなデータセットで有効性を証明した (500のランサムウェア,500の良性サンプル).
- t-SNEビジュアライゼーションと Saliency マップを使用してモデルの解釈性を検証した.
結論:
- ランサムウェア検出のためのスケーラブルで適応可能なソリューションを提供します.
- このアプローチは,高い性能を維持しながら,広範なラベルデータへの必要性を効果的に軽減します.
- このモデルの透明性と正確さは 実践的なサイバーセキュリティの展開に 大きな可能性を秘めています
