Artificial Intelligence-Based Malware Detection, Analysis, and Mitigation

doi:10.3390/sym15030677

Artificial Intelligence-Based Malware Detection, Analysis, and Mitigation

2023-03-08

0

OA

AI

DOI：10.3390/sym15030677

原文链接

摘要

En 中文

恶意软件是网络攻击者的致命武器，正变得越来越复杂，具有快速部署和自我传播的特性。此外，现代恶意软件是最具破坏性的网络犯罪形式之一，因为它可以规避检测，使得近实时数字取证调查变得不可能，而高级规避策略的影响可能是严重且深远的。这使得及时、自主地检测恶意软件对于有效分析至关重要。本研究提出了一种新的系统性方法，通过结合基于动态深度学习的方法与启发式方法来识别现代恶意软件，并对五种现代恶意软件家族（广告软件、Radware、rootkit、短信恶意软件和勒索软件）进行分类和检测。我们在人工智能和网络安全分析领域进行的对称性研究将增强恶意软件的检测、分析和缓解能力，以提供抵御网络威胁的弹性网络系统。我们使用一个专门包含近期恶意软件的数据集验证了我们的方法，以证明该模型达到了其目标，并在有效性和效率方面满足现实世界的需求。实验结果表明，基于行为深度学习与启发式方法的恶意软件检测和分类组合优于使用静态深度学习方法的方案。

Artificial Intelligence-Based Malware Detection, Analysis, and Mitigation

摘要

期刊

机构

引用论文