Resumen

El número de nuevos programas maliciosos ha ido aumentando año tras año, y la construcción del espacio de muestras de malware también está cambiando con el tiempo. Los estudios de investigación existentes sobre la detección de malware se centran principalmente en cómo mejorar el rendimiento de detección y cómo detectar de manera efectiva el malware de evasión y mejorar el rendimiento de detección de muestras adversarias, mientras se ignora el cambio de concepto de las muestras de malware con el tiempo. El cambio de concepto de la muestra llevará al envejecimiento del modelo del detector, lo que resultará en la reducción de la precisión de detección. Ante este problema, propusimos un generador de muestras de malware basado en GAN auxiliar de clasificadores, de acuerdo con las muestras de malware generadas, para entrenar el modelo de detección. En este documento, la secuencia de llamadas a API se utiliza como característica para entrenar la red generativa adversaria mejorada, y el modelo de generador entrenado se utiliza para generar muestras que simulen el cambio de concepto con el propósito de entrenar

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Malware; Detección; Deriva conceptual; Muestras; Generador; Formación
• Keywords:Malware; Detection; Concept drift; Samples; Generator; Training