个人读论文后的笔记

3995
    


来源:
Licence:
联系:
分类:
平台:
环境:
大小:
更新:
标签:
联系方式 :
免费下载 ×

下载APP,支持永久资源免费下载

限免产品服务请联系qq:1585269081

下载APP
免费下载 ×

下载APP,支持永久资源免费下载

下载APP 免费下载
下载 ×

下载APP,资源永久免费


如果出现不能下载的情况,请联系站长,联系方式在下方。

免费下载 ×

下载论文助手APP,资源永久免费

免费获取

如果你已经登录仍然出现不能下载的情况,请【点击刷新】本页面或者联系站长


This repository show the notes about papers I read and the papers are almost about malware detection 这个仓库里是我读paper时的笔记,其中的论文大多是关于恶意软件检测。

2017-07-05 Deep Android Malware Detection - Niall McLaughlin, etc

  • paper title: Deep Android Malware Detection
  • paper authors: Niall McLaughlin, Jesus Mar tinez del Rincon, etc
  • paper keywords: Malware Detection, Android, Deep Learning
这篇论文使用静态操作码作为特征,CNN为模型,在实验环境下,F-sorce=0.97,在实际环境中,F-sorce=0.71。 虽然实际环境中的效果不是特别好,但是模型训练所需要的时间相对较少,而且内存使用率上是一个常数。

2017-05-24 Malware Detection with Deep Neural Network Usinig Process Behavior - Shun T., etc

  • paper title: Malware Detection with Deep Neural Network Usinig Process Behavior
  • paper authors: Shun Tobiyama, Yukiko Yamaguchi, Hajime Shimada, etc
  • paper keywords: malware infection detection, neural network, process behavior
这篇论文以进程行为作为源数据,之后使用RNN从源数据中抽取特征,并将抽取到的特征转化成特征图像, 之后使用CNN以特征图像作为输入进行分类。使用ROC曲线作为评价标准,在最好的情况下AUC=0.96。

2017-04-19 Malware Classification with Recurrent Networks - Rasvan P., etc

  • paper title: Malware Classification with Recurrent Networks
  • paper authors: Rasvan Pascanu, Jack W.Stokes, Hermineh Sanossian, Mady Marinescu, Anil Thomas
  • paper keywords: Malware Classification, Recurrent Neural Network, Deep Learning
这篇论文使用ESN作为循环模型进行特征抽取,Max-Pooling做非线性抽样,logistic回归做最后的分类;这样的混合模型达到最好的效果。 相对标准的混合三元模型,本文提出的这个混合模型的true positive rate=98.3% & false positive rate=0.1%。

2017-04-12 Efficient Dynamic Malware Analysis Based on Network Behavior Using Deep Learning - Toshiki S., etc

  • paper title: Efficient Dynamic Malware Analysis Based on Network Behavior Using Deep Learning
  • paper authors: Toshiki Shibahara, Taakeshi Yagi, Mitsuaki Akiyama, etc
这篇论文基于网络行为来确定是否应暂停动态分析的方法,使用RNN模型,在对29,562个恶意软件样本的评估中,提出的方法将分析时间缩短了67.1%, Precision=0.976, Recall=0.962, F-measure=0.969。

2017-04-07 A multi-task learning model for malware classification with useful file access pattern from API call sequence - Xin W., etc

  • paper title: A multi-task learning model for malware classification with useful file access pattern from API call sequence
  • paper authors: Xin Wang, Siu Ming Yiu
这篇论文

免费下载 ×

下载APP,支持永久资源免费下载

下载APP 免费下载
温馨提示
请用电脑打开本网页,即可以免费获取你想要的了。
扫描加我微信 ×

演示

×
登录 ×


下载 ×
论文助手网
论文助手,最开放的学术期刊平台
							 
回复
来来来,吐槽点啥吧

作者联系方式

×

向作者索要->