MalDBA: detección de ataques adversariales de caja negra de malware basados en consultas
Autores: Kong, Zixiao; Xue, Jingfeng; Liu, Zhenyan; Wang, Yong; Han, Weijie
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
MalDBA: detección de ataques adversariales de caja negra de malware basados en consultas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Popularity
Security risks
Malware adversarial attacks
Stateful detection method
Artificial intelligence
Deep learning-based malware
Black-box attacks
MalDBA method
VirusShare dataset
Query-based attacks
Historical query results
Intermediate samples
Prediction scores
Detector
Adversarial samples
Indexed samples
Attack detection rate
Feature extraction tasks
Image conversion
PE files
Hardware platform"popularidad
Riesgos de seguridad
Ataques adversarios de malware
Método de detección basado en el estado
Inteligencia artificial
Malware basado en aprendizaje profundo
Ataques de caja negra
Método MalDBA
Conjunto de datos VirusShare
Ataques basados en consultas
Resultados de consultas históricas
Muestras intermedias
Puntajes de predicción
Detector
Muestras adversarias
Muestras indexadas
Tasa de detección de ataques
Tareas de extracción de características
Conversión de imágenes
Archivos PE
Plataforma de hardware"
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
La creciente popularidad de la Industria 4.0 ha llevado a más y más riesgos de seguridad, y los ataques adversarios de malware emergen en un flujo interminable, planteando grandes desafíos para la seguridad de los datos del usuario y la protección de la privacidad.
Descripción
La creciente popularidad de la Industria 4.0 ha llevado a más y más riesgos de seguridad, y los ataques adversarios de malware emergen en un flujo interminable, planteando grandes desafíos para la seguridad de los datos del usuario y la protección de la privacidad.