檢索結果:共5筆資料 檢索策略: "Yuh-Jye Lee".ecommittee (精準) and ckeyword.raw="惡意軟體"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在靜態惡意軟體檢測中,結構型特徵,如控制流程圖(CFG)與函數呼叫圖(FCG),因其包含執行流程和軟體結構信息,被視作是識別惡意軟體的關鍵特徵。圖神經網路(GNN)可以有效地捕捉到節點之間的依賴關係…
2
現有的對抗式攻擊大多依賴白箱的場景設置,然而在現實中,防守者會避 免洩露任何有用的資訊給攻擊者,使戰場轉為黑箱的場景設置,這使對抗式攻 擊變成相對具有挑戰性的任務。為了解決這些問題,大多數現有的攻擊…
3
近年來,機器學習模型在資訊安全領域取得了重要進展,越來越多的IoT設備依賴機器學習模型進行惡意軟體檢測。惡意軟體的不斷演進迫使基於機器學習的檢測方法需要定期收集訓練資料以確保準確性,這也帶來了潛在的…
4
伴隨物聯網(IoT)的快速發展,針對物聯網設備的惡意軟體也因此大量產生。儘管藉由機器學習模型,人們已經可以自動化的檢測惡意軟體的存在與否。但仍然存在極大的隱憂,也就是針對機器學習模型的對抗式攻擊。對…
5
Fast-Flux網路服務是目前最新興的殭屍網路問題之一。Fast-Flux利用DNS攻擊技術的方法,去對受害主機設備來當跳板,且利用快速活動且動態改變受害主機所對應的IP位址,讓其產生更多受害主機…