檢索結果：共7筆資料 檢索策略： ckeyword.raw="惡意軟體檢測" and ckeyword.raw="惡意軟體檢測"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
惡意軟體偵測是網路安全的一個重要面向。 本研究針對基於影像的惡意軟體偵測所面臨的挑戰，並認識到惡意軟體資料集的不平衡性，研究了合成資料生成方法的應用。 這項研究涉及資料集的選擇和預處理，將原始資料轉…
2
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…
3
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…
4
預訓練語言模型在惡意軟體檢測領域展現了卓越潛力。然而，基於預訓練 語言模型的方法通常依賴於逆向工程來提取高級特徵（例如，操作碼）。這種 依賴不僅耗時，而且容易受到反逆向工程技術和剝離二進制文件的影響…
5
在現今數位化時代，惡意軟體(Malware)的威脅持續升高，並對資訊安全構嚴峻挑戰。為了抵禦這些威脅，許多基於機器學習的惡意軟體檢測技術應運而生。然而，隨著對抗性攻擊(Adversarial Att…
6
物聯網（IoT）的快速增長將為日常生活帶來便利和效能提升，但也帶來了風險和挑戰。惡意程式對物聯網系統的安全性構成威脅。為了確保物聯網的可持續發展，需加強物聯網設備的安全防護，並採用創新的技術來偵測惡…
7
近年來，隨著惡意軟件數量和類型的急劇增加，機器學習(ML)逐漸應用於惡意軟件檢測領域。作為第一層的保護機制，可以顯著提高分析人員的檢測效率。基於機器學習的惡意軟件檢測方法通常需要依靠大量正確的訓練資…