檢索結果:共6筆資料 檢索策略: "後門攻擊".ckeyword (精準)
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
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…
2
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…
3
基於機器學習技術開發的惡意軟體分類器作為惡意軟體檢測領域的第一階段,其佔據著十分重要的地位,分類器通過靜態分析學習惡意特徵以對已知威脅取得非常高的檢測準確效能,但是這也衍生出了其他的資安問題,神經網…
4
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…
5
現今人工智慧的安全逐漸受到重視,隨著資通訊技術快速發展、軟硬體設備快速推陳出新以及設備運算能力大幅提升下,人工智慧的應用出現在生活中的各個角落,替現代生活帶來諸多便利。場景包含道路標誌辨識、瑕疵檢測…
6
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…