PAFE:一种基于轻量级可视化的快速恶意软件分类方法
Sicong Li1, Jian Wang1, Shuo Wang2
1College of Air and Missile Defense, Air Force Engineering University, Xi'an, 710051, PR China.
Heliyon
|September 3, 2024
概括
这项研究介绍了PAFE,这是一种基于可视化的快速恶意软件分类方法. PAFE有效地识别出恶意软件变体,具有高准确性和速度,克服了当前方法的局限性.
科学领域:
- 网络安全 网络安全
- 计算机科学 计算机科学
- 机器学习 机器学习
背景情况:
- 自动化恶意软件工具包呈现出不断发展的网络安全威胁.
- 现有的基于可视化的恶意软件分析方法与纹理特征变化作斗争,需要深度网络,牺牲速度.
- 挑战包括预处理更改和小数据集中的类不平衡.
研究的目的:
- 提出PAFE,一种基于可视化的轻量级和快速恶意软件分类方法.
- 在恶意软件分析中解决纹理特征变化和类不平衡问题.
- 提高恶意软件变种分类的效率和有效性.
主要方法:
- 像素填充技术在预处理过程中处理纹理特征变化.
- 数据增强用于管理小样本数据集中的类不平衡.
- 多尺度的特征融合和道注意力机制在模块化设计中用于增强特征表达.
主要成果:
- 在恶意软件变种分类方面,PAFE 实现了 99.25% 的准确率.
- 该方法证明了10.04毫秒的快速预测时间.
- 在效率和有效性方面,PAFE的表现优于当前最先进的方法.
结论:
- 在快速和准确的恶意软件分类方面,PAFE提供了显著的进步.
- 提出的方法有效地克服了现有的基于可视化的方法的局限性.
- PAFE为实时网络安全威胁检测提供了一个有前途的解决方案.
更多相关视频
11:25Whole-cell MALDI-TOF Mass Spectrometry is an Accurate and Rapid Method to Analyze Different Modes of Macrophage Activation
Published on: December 26, 2013
8.8K
10:01The Visual Colorimetric Detection of Multi-nucleotide Polymorphisms on a Pneumatic Droplet Manipulation Platform
Published on: September 27, 2016
7.6K
