檢索結果:共14筆資料 檢索策略: "軟體".ckeyword (精準) and ckeyword.raw="機器學習"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
2
在這個網路快速發展的時代,物聯網(IoT)的安全考量受到研究和商業領域的關注。由於計算資源有限、不友好的介面以及較差的軟體操作,舊式物聯網設備便容易被許多有名的惡意軟體攻擊。此外,物聯網平台的異構性…
3
隨著物聯網設備與通訊技術的快速發展,擴大了網際網路的應用方式,為了追求生活品質的情況下,無數的物聯網裝置及應用服務逐年成長。然而,資訊安全的重要性卻是多數人常忽視的議題,越來越多的有心人士或是駭客都…
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
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…
6
因物聯網(Internet of Things; IoT)設備的操作功能相當單一,使得物聯網容易遭受到惡意程式的攻擊。為了了解物聯網惡意程式的行為以減緩攻擊,使用靜態分析惡意程式的原始碼是一種可行的…
7
在物聯網快速發展的時代,惡意軟體威脅不斷增加,已成為一個重要的資訊安全問題。攻擊者利用加殼技術來規避惡意軟體檢測器的檢測,使得逆向工具難以分析加殼樣本。然而,即使這些工具成功破殼樣本,結果也不一定準…
8
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…
9
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…
10
科技進步迅速的現代社會,人們對設備的效能和整合能力需求逐年增加。 終端設備和物聯網技術逐漸受到重視。但個人電腦和聯網設備的架構差異 過大,導致防毒軟體無法直接套用在物聯網架構上。由於上述原因,物聯 …