Buchumschlag

ML-Based Behavioral Malware Detection Is Far From a Solved Problem

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kaya, Yigitcan, Chen, Yizheng, Botacin, Marcus, Saha, Shoumik, Pierazzi, Fabio, Cavallaro, Lorenzo, Wagner, David, Dumitras, Tudor
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Transcending Transcend: Revisiting Malware Classification in the Presence of Concept Drift
von: Barbero, Federico, et al.
Veröffentlicht: (2020)

Unraveling the Key of Machine Learning-based Android Malware Detection
von: Liu, Jiahao, et al.
Veröffentlicht: (2024)

Like Oil and Water: Group Robustness Methods and Poisoning Defenses May Be at Odds
von: Panaitescu-Liess, Michael-Andrei, et al.
Veröffentlicht: (2025)

On the Effectiveness of Adversarial Training on Malware Classifiers
von: Bostani, Hamid, et al.
Veröffentlicht: (2024)

Intriguing Properties of Adversarial ML Attacks in the Problem Space [Extended Version]
von: Cortellazzi, Jacopo, et al.
Veröffentlicht: (2019)

Beyond the TESSERACT:Trustworthy Dataset Curation for Sound Evaluations of Android Malware Classifiers
von: Chow, Theo, et al.
Veröffentlicht: (2025)

MALIGN: Explainable Static Raw-byte Based Malware Family Classification using Sequence Alignment
von: Saha, Shoumik, et al.
Veröffentlicht: (2021)

Defending against Adversarial Malware Attacks on ML-based Android Malware Detection Systems
von: He, Ping, et al.
Veröffentlicht: (2025)

MADCAT: Combating Malware Detection Under Concept Drift with Test-Time Adaptation
von: Roh, Eunjin, et al.
Veröffentlicht: (2025)

TESSERACT: Eliminating Experimental Bias in Malware Classification across Space and Time (Extended Version)
von: Kan, Zeliang, et al.
Veröffentlicht: (2024)

MalwarePT: A Binary-Level Foundation Model for Malware Analysis
von: Vasan, Saastha, et al.
Veröffentlicht: (2026)

On the Security Risks of ML-based Malware Detection Systems: A Survey
von: He, Ping, et al.
Veröffentlicht: (2025)

The Adaptive Arms Race: Redefining Robustness in AI Security
von: Tsingenopoulos, Ilias, et al.
Veröffentlicht: (2023)

How to Train your Antivirus: RL-based Hardening through the Problem-Space
von: Tsingenopoulos, Ilias, et al.
Veröffentlicht: (2024)

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

KnowML: Improving Generalization of ML-NIDS with Attack Knowledge Graphs
von: Guo, Xin Fan, et al.
Veröffentlicht: (2025)

DRMD: Deep Reinforcement Learning for Malware Detection under Concept Drift
von: McFadden, Shae, et al.
Veröffentlicht: (2025)

Beyond Classification: Evaluating LLMs for Fine-Grained Automatic Malware Behavior Auditing
von: Zheng, Xinran, et al.
Veröffentlicht: (2025)

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

MalGEN: A Testbed for Modeling and Evaluating Malware Behaviors
von: Saha, Bikash, et al.
Veröffentlicht: (2025)

Trident: Improving Malware Detection with LLMs and Behavioral Features
von: Saul, Rebecca, et al.
Veröffentlicht: (2026)

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

Tarallo: Evading Behavioral Malware Detectors in the Problem Space
von: Digregorio, Gabriele, et al.
Veröffentlicht: (2025)

On Benchmarking Code LLMs for Android Malware Analysis
von: He, Yiling, et al.
Veröffentlicht: (2025)

Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry
von: Saha, Shoumik, et al.
Veröffentlicht: (2026)

Enhancing JavaScript Malware Detection through Weighted Behavioral DFAs
von: Pereira, Pedro, et al.
Veröffentlicht: (2025)

Empirical Evaluation of Concept Drift in ML-Based Android Malware Detection
von: Sabbah, Ahmed, et al.
Veröffentlicht: (2025)

Making Acoustic Side-Channel Attacks on Noisy Keyboards Viable with LLM-Assisted Spectrograms' "Typo" Correction
von: Ayati, Seyyed Ali, et al.
Veröffentlicht: (2025)

Adversarial ML Problems Are Getting Harder to Solve and to Evaluate
von: Rando, Javier, et al.
Veröffentlicht: (2025)

Leveraging LLM to Strengthen ML-Based Cross-Site Scripting Detection
von: Miczek, Dennis, et al.
Veröffentlicht: (2025)

"Digital Camouflage": The LLVM Challenge in LLM-Based Malware Detection
von: Böke, Ekin, et al.
Veröffentlicht: (2025)

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

When AI Meets the Web: Prompt Injection Risks in Third-Party AI Chatbot Plugins
von: Kaya, Yigitcan, et al.
Veröffentlicht: (2025)

Revisiting Concept Drift in Windows Malware Detection: Adaptation to Real Drifted Malware with Minimal Samples
von: Li, Adrian Shuai, et al.
Veröffentlicht: (2024)

Detecting and Explaining Malware Family Evolution Using Rule-Based Drift Analysis
von: Jurečková, Olha, et al.
Veröffentlicht: (2026)

Deep Learning Models for Detecting Malware Attacks
von: Maniriho, Pascal, et al.
Veröffentlicht: (2022)

Adversarially Robust and Interpretable Magecart Malware Detection
von: Pereira, Pedro, et al.
Veröffentlicht: (2025)

Hydra: Robust Hardware-Assisted Malware Detection
von: Propp, Eli, et al.
Veröffentlicht: (2026)

Demystifying the Mythos or Disrupting Bugonomics? From Zero-Day Asymmetry to Defender Remediation Throughput
von: Pesoli, Alfredo, et al.
Veröffentlicht: (2026)

Malware Classification Based on Image Segmentation
von: Nie, Wanhu
Veröffentlicht: (2024)