Un robusto CNN para la clasificación de malware contra ataques adversarios ejecutables
Autores: Zhang, Yunchun; Jiang, Jiaqi; Yi, Chao; Li, Hai; Min, Shaohui; Zuo, Ruifeng; An, Zhenzhou; Yu, Yongtao
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un robusto CNN para la clasificación de malware contra ataques adversarios ejecutables
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje profundo
Detección de malware
Red neuronal convolucional
Ataques adversarios
Ejecutable portátil
Consciente de encabezado.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
Los modelos de detección de malware basados en aprendizaje profundo están amenazados por ataques adversarios. Este documento diseña una red neuronal convolucional (CNN) robusta y segura para la clasificación de malware.
Descripción
Los modelos de detección de malware basados en aprendizaje profundo están amenazados por ataques adversarios. Este documento diseña una red neuronal convolucional (CNN) robusta y segura para la clasificación de malware.