檢索結果：共21筆資料 檢索策略： cadvisor.raw="李漢銘" and cadvisor.raw="鄭欣明"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
隨著人工智慧模型的進步，一系列針對不同應用領域的後門攻擊逐漸被提出。 目前對後門攻擊的研究主要集中在不同領域的攻擊者如何設計有效的觸發器。然而，通過在訓練樣本中嵌入觸發器來毒害訓練集的後門攻擊的研究…
2
基於神經網路的應用雖然能夠有效地解決許多現代複雜的問題，然而由於 訓練深度神經網路模型需要大量的計算成本及訓練資料，對於資源有限的中小 企業或個人單位可能難以負擔。因此將訓練複雜模型的工作外包給第三…
3
隨著數位世界的快速發展，惡意軟體已成為網路安全上的重大威脅。在惡意軟體檢測中，機器學習扮演著關鍵的角色。然而，攻擊者持續不斷地尋找建立對抗性樣本以繞過檢測器的方法，這使得惡意軟體檢測器的穩健性成為一…
4
深度學習已成功應用於從圖像識別到物件偵測等多個領域、在多種任務中都取得了顯著的成功。然而，如果無法預測模型的泛化能力(generalization)，就無法確保模型在未見過數據上的最差表現，這對關鍵…
5
6
近年來針對物聯網的網路攻擊不斷地增加，這些攻擊也對物聯網的應用造 成了許多威脅。因此近年來大家也開始重視物聯網的安全性問題。由於物聯網 的設備較限制，近期的研究著重在靜態檢測的方法上。雖然這些方法，…
7
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…
8
為了識別現在非常流行且有重大危害的物聯網惡意軟體，許多針對惡意軟體的檢測方法被提了出來，但現有許多檢測方法並不是以實際惡意程式存在的區段進行判別，而只學習到惡意程式與正常程式的差異，並不是非常有價值…
9
惡意軟體在物聯網的資安問題上一直是最重要的威脅之一.最近的研究表示基於機器學習的靜態惡意軟體檢測器在面對未知的惡意軟體有著非常強力的檢測效果.其中,利用control flow graph (CFG…
10
隨著物聯網設備在日常生活中的普及，針對這些設備的惡意軟體威脅也在數量和複雜度上不斷增加。雖然現有基於機器學習的惡意軟體檢測器在檢測能力上表現優異，但大部分的方法通常無法解釋模型決策的依據，更無法從模…