Buchumschlag

Machine Learning for Windows Malware Detection and Classification: Methods, Challenges and Ongoing Research

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Gibert, Daniel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Assessing the Impact of Packing on Machine Learning-Based Malware Detection and Classification Systems
von: Gibert, Daniel, et al.
Veröffentlicht: (2024)

Certified Adversarial Robustness of Machine Learning-based Malware Detectors via (De)Randomized Smoothing
von: Gibert, Daniel, et al.
Veröffentlicht: (2024)

Towards a Practical Defense against Adversarial Attacks on Deep Learning-based Malware Detectors via Randomized Smoothing
von: Gibert, Daniel, et al.
Veröffentlicht: (2023)

A Robust Defense against Adversarial Attacks on Deep Learning-based Malware Detectors via (De)Randomized Smoothing
von: Gibert, Daniel, et al.
Veröffentlicht: (2024)

Demystifying the Role of Rule-based Detection in AI Systems for Windows Malware Detection
von: Ponte, Andrea, et al.
Veröffentlicht: (2025)

Enhancing Decision-Making in Windows PE Malware Classification During Dataset Shifts with Uncertainty Estimation
von: Yumlembam, Rahul, et al.
Veröffentlicht: (2025)

On the Reliability and Stability of Selective Methods in Malware Classification Tasks
von: Herzog, Alexander, et al.
Veröffentlicht: (2025)

Adversarial Attacks against Windows PE Malware Detection: A Survey of the State-of-the-Art
von: Ling, Xiang, et al.
Veröffentlicht: (2021)

Machine Learning Transferability for Malware Detection
von: Vieira, César, et al.
Veröffentlicht: (2026)

Deep Learning Based XIoT Malware Analysis: A Comprehensive Survey, Taxonomy, and Research Challenges
von: Darwish, Rami, et al.
Veröffentlicht: (2024)

Combating Concept Drift with Explanatory Detection and Adaptation for Android Malware Classification
von: He, Yiling, et al.
Veröffentlicht: (2024)

Obfuscated Memory Malware Detection
von: P, Sharmila S, et al.
Veröffentlicht: (2024)

Model X-Ray: Detection of Hidden Malware in AI Model Weights using Few Shot Learning
von: Gilkarov, Daniel, et al.
Veröffentlicht: (2024)

LLMs Caught in the Crossfire: Malware Requests and Jailbreak Challenges
von: Li, Haoyang, et al.
Veröffentlicht: (2025)

Malware Detection Through Memory Analysis
von: Nassar, Sarah
Veröffentlicht: (2026)

System Calls for Malware Detection and Classification: Methodologies and Applications
von: Gond, Bishwajit Prasad, et al.
Veröffentlicht: (2025)

A Unified Evaluation of Learning-Based Similarity Techniques for Malware Detection
von: Prasad, Udbhav, et al.
Veröffentlicht: (2026)

Android Malware Detection: A Machine Leaning Approach
von: Abdulla, Hasan
Veröffentlicht: (2025)

Fusing Feature Engineering and Deep Learning: A Case Study for Malware Classification
von: Gibert, Daniel, et al.
Veröffentlicht: (2022)

Leveraging LSTM and GAN for Modern Malware Detection
von: Gupta, Ishita, et al.
Veröffentlicht: (2024)

Empirical Quantification of Spurious Correlations in Malware Detection
von: Perasso, Bianca, et al.
Veröffentlicht: (2025)

ByteShield: Adversarially Robust End-to-End Malware Detection through Byte Masking
von: Gibert, Daniel, et al.
Veröffentlicht: (2025)

A Transformer-Based Framework for Payload Malware Detection and Classification
von: Stein, Kyle, et al.
Veröffentlicht: (2024)

LAMD: Context-driven Android Malware Detection and Classification with LLMs
von: Qian, Xingzhi, et al.
Veröffentlicht: (2025)

Explainable Malware Detection with Tailored Logic Explained Networks
von: Anthony, Peter, et al.
Veröffentlicht: (2024)

SLIFER: Investigating Performance and Robustness of Malware Detection Pipelines
von: Ponte, Andrea, et al.
Veröffentlicht: (2024)

Learning Temporal Invariance in Android Malware Detectors
von: Zheng, Xinran, et al.
Veröffentlicht: (2025)

Malware analysis assisted by AI with R2AI
von: Apvrille, Axelle, et al.
Veröffentlicht: (2025)

Use of Multi-CNNs for Section Analysis in Static Malware Detection
von: Quertier, Tony, et al.
Veröffentlicht: (2024)

AI-Powered Algorithms for the Prevention and Detection of Computer Malware Infections
von: Keshava, Rakesh, et al.
Veröffentlicht: (2026)

Dynamic Malware Classification of Windows PE Files using CNNs and Greyscale Images Derived from Runtime API Call Argument Conversion
von: Shahnawaz, Md, et al.
Veröffentlicht: (2025)

Automated Malware Family Classification using Weighted Hierarchical Ensembles of Large Language Models
von: Bai, Samita, et al.
Veröffentlicht: (2026)

Evaluating Ensemble and Deep Learning Models for Static Malware Detection with Dimensionality Reduction Using the EMBER Dataset
von: Abedin, Md Min-Ha-Zul, et al.
Veröffentlicht: (2025)

Counteracting Concept Drift by Learning with Future Malware Predictions
von: Bosansky, Branislav, et al.
Veröffentlicht: (2024)

Detecting Android Malware: From Neural Embeddings to Hands-On Validation with BERTroid
von: Chaieb, Meryam, et al.
Veröffentlicht: (2024)

Explainable Attention-Guided Stacked Graph Neural Networks for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Routing-Aware Explanations for Mixture of Experts Graph Models in Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2026)

UIXPOSE: Mobile Malware Detection via Intention-Behaviour Discrepancy Analysis
von: Pasdar, Amirmohammad, et al.
Veröffentlicht: (2025)

A Decompilation-Driven Framework for Malware Detection with Large Language Models
von: Chawla, Aniesh, et al.
Veröffentlicht: (2026)

DeepTrust: Multi-Step Classification through Dissimilar Adversarial Representations for Robust Android Malware Detection
von: Pulido-Cortázar, Daniel, et al.
Veröffentlicht: (2025)