Buchumschlag

Detecting new obfuscated malware variants: A lightweight and interpretable machine learning approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Madamidola, Oladipo A., Ngobigha, Felix, Ez-zizi, Adnane
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comprehensive evaluation of Mal-API-2019 dataset by machine learning in malware detection
von: Li, Zhenglin, et al.
Veröffentlicht: (2024)

Backdoor defense, learnability and obfuscation
von: Christiano, Paul, et al.
Veröffentlicht: (2024)

Web Phishing Net (WPN): A scalable machine learning approach for real-time phishing campaign detection
von: Zia, Muhammad Fahad, et al.
Veröffentlicht: (2025)

ActDroid: An active learning framework for Android malware detection
von: Muzaffar, Ali, et al.
Veröffentlicht: (2024)

Self-interpreting Adversarial Images
von: Zhang, Tingwei, et al.
Veröffentlicht: (2024)

Command & Control (C2) Traffic Detection Via Algorithm Generated Domain (Dga) Classification Using Deep Learning And Natural Language Processing
von: Felix, Maria Milena Araujo
Veröffentlicht: (2025)

Certifiably robust malware detectors by design
von: Gimenez, Pierre-Francois, et al.
Veröffentlicht: (2025)

Verifiable evaluations of machine learning models using zkSNARKs
von: South, Tobin, et al.
Veröffentlicht: (2024)

Training quantum machine learning models on cloud without uploading the data
von: He, Guang Ping
Veröffentlicht: (2024)

Evaluating the robustness of adversarial defenses in malware detection systems
von: Jafari, Mostafa, et al.
Veröffentlicht: (2025)

On Mitigating the Utility-Loss in Differentially Private Learning: A new Perspective by a Geometrically Inspired Kernel Approach
von: Kumar, Mohit, et al.
Veröffentlicht: (2023)

CST-AFNet: A dual attention-based deep learning framework for intrusion detection in IoT networks
von: Ishtiaq, Waqas, et al.
Veröffentlicht: (2025)

Generalist++: A Meta-learning Framework for Mitigating Trade-off in Adversarial Training
von: Wang, Yisen, et al.
Veröffentlicht: (2025)

On the Consistency of GNN Explanations for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Exploring Robust Intrusion Detection: A Benchmark Study of Feature Transferability in IoT Botnet Attack Detection
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2026)

A GAN-based data poisoning framework against anomaly detection in vertical federated learning
von: Chen, Xiaolin, et al.
Veröffentlicht: (2024)

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

Fake detection in imbalance dataset by Semi-supervised learning with GAN
von: Bordbar, Jinus, et al.
Veröffentlicht: (2022)

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

A Cryptographic Perspective on Mitigation vs. Detection in Machine Learning
von: Gluch, Greg, et al.
Veröffentlicht: (2025)

A Visualized Malware Detection Framework with CNN and Conditional GAN
von: Wang, Fang, et al.
Veröffentlicht: (2024)

Enhance the machine learning algorithm performance in phishing detection with keyword features
von: Yang, Zijiang
Veröffentlicht: (2025)

A Novel Ensemble Learning Approach for Enhanced IoT Attack Detection: Redefining Security Paradigms in Connected Systems
von: Abdeljaber, Hikmat A. M., et al.
Veröffentlicht: (2025)

Detecting and Eliminating Neural Network Backdoors Through Active Paths with Application to Intrusion Detection
von: Høyheim, Eirik, et al.
Veröffentlicht: (2026)

LEMDA: A Novel Feature Engineering Method for Intrusion Detection in IoT Systems
von: Ghubaish, Ali, et al.
Veröffentlicht: (2024)

A Study on Semi-Supervised Detection of DDoS Attacks under Class Imbalance
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

Machine-learned Adversarial Attacks against Fault Prediction Systems in Smart Electrical Grids
von: Ardito, Carmelo, et al.
Veröffentlicht: (2023)

Data Valuation and Detections in Federated Learning
von: Li, Wenqian, et al.
Veröffentlicht: (2023)

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

How Not to Detect Prompt Injections with an LLM
von: Choudhary, Sarthak, et al.
Veröffentlicht: (2025)

A Novel DDPM-based Ensemble Approach for Energy Theft Detection in Smart Grids
von: Yuan, Xun, et al.
Veröffentlicht: (2023)

A Study on the Importance of Features in Detecting Advanced Persistent Threats Using Machine Learning
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

Privacy-preserving machine learning with tensor networks
von: Pozas-Kerstjens, Alejandro, et al.
Veröffentlicht: (2022)

C-RADAR: A Centralized Deep Learning System for Intrusion Detection in Software Defined Networks
von: Mustafa, Osama, et al.
Veröffentlicht: (2024)

Adversarial Vulnerability Under Temporal Concept Drift: A Longitudinal Study of Android Malware Detection
von: Sabbah, Ahmed, et al.
Veröffentlicht: (2026)

Packet Inspection Transformer: A Self-Supervised Journey to Unseen Malware Detection with Few Samples
von: Stein, Kyle, et al.
Veröffentlicht: (2024)

Securing Healthcare with Deep Learning: A CNN-Based Model for medical IoT Threat Detection
von: Mohamadi, Alireza, et al.
Veröffentlicht: (2024)

A Novel Unified Lightweight Temporal-Spatial Transformer Approach for Intrusion Detection in Drone Networks
von: Biswas, Tarun Kumar, et al.
Veröffentlicht: (2025)

An Explainable Transformer-based Model for Phishing Email Detection: A Large Language Model Approach
von: Uddin, Mohammad Amaz, et al.
Veröffentlicht: (2024)

RiskSEA : A Scalable Graph Embedding for Detecting On-chain Fraudulent Activities on the Ethereum Blockchain
von: Agarwal, Ayush, et al.
Veröffentlicht: (2024)