Oversampling method using large language model for malicious JavaScript code detection

Mamoru Mimura

doi:10.1016/j.engappai.2026.115821

Oversampling method using large language model for malicious JavaScript code detection

2026-08-01

0

PRE

AI

DOI：10.1016/j.engappai.2026.115821

原文链接

原文求助

摘要

En 中文

网站恶意JavaScript代码的检测仍然是一个重要问题。基于机器学习模型的检测方法已被提出用于实时检测这些攻击。在定向攻击中，恶意软件通常为特定组织定制。为防御这些攻击，机器学习模型必须从小数量的历史恶意样本中进行训练。应用于JavaScript的传统过采样技术未能恰当表示代码的语义和语法。因此，生成的样本可能无法准确反映实际恶意JavaScript代码的特征。为解决此问题，我们提出了一种使用CodeLlama（一种专门用于代码生成的大型语言模型）对恶意JavaScript代码进行过采样的方法。我们构建了一个由通过爬取URL收集的21,744个良性JavaScript代码和按收集年份分类的8,000个公开恶意JavaScript代码组成的不平衡数据集，并评估了所提方法的准确性。应用过采样后，我们方法的召回率比现有方法高出约0.22，比无过采样的基线高出约0.21。此外，我们证明了该方法通过应用于分类和特征提取过程均能提高准确率，且原始样本与过采样样本的最优比例约为1:1至1:2。

Keyword:

Oversampling

Large language model

CodeLlama-Instruct

JavaScript

Oversampling method using large language model for malicious JavaScript code detection

摘要

期刊

机构

引用论文