Buchumschlag

Multimodal Techniques for Malware Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Jonathan, Stamp, Mark
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Image-Based Malware Classification Using QR and Aztec Codes
von: Khadilkar, Atharva, et al.
Veröffentlicht: (2024)

A Comparison of Selected Image Transformation Techniques for Malware Classification
von: Agrawal, Rishit, et al.
Veröffentlicht: (2025)

A Comparison of Adversarial Learning Techniques for Malware Detection
von: Louthánová, Pavla, et al.
Veröffentlicht: (2023)

XAI and Android Malware Models
von: Kulkarni, Maithili, et al.
Veröffentlicht: (2024)

Cluster Analysis and Concept Drift Detection in Malware
von: Mishra, Aniket, et al.
Veröffentlicht: (2025)

Online Clustering of Known and Emerging Malware Families
von: Jurečková, Olha, et al.
Veröffentlicht: (2024)

RawMal-TF: Raw Malware Dataset Labeled by Type and Family
von: Bálik, David, et al.
Veröffentlicht: (2025)

Detecting Concept Drift in Evolving Malware Families Using Rule-Based Classifier Representations
von: Kalný, Tomáš, et al.
Veröffentlicht: (2026)

Robustness of Selected Learning Models under Label-Flipping Attack
von: Bhargava, Sarvagya, et al.
Veröffentlicht: (2025)

Temporal Analysis of Adversarial Attacks in Federated Learning
von: Mapakshi, Rohit, et al.
Veröffentlicht: (2025)

Explainable Malware Detection through Integrated Graph Reduction and Learning Techniques
von: Mohammadian, Hesamodin, et al.
Veröffentlicht: (2024)

Malware Classification Leveraging NLP & Machine Learning for Enhanced Accuracy
von: Gond, Bishwajit Prasad, et al.
Veröffentlicht: (2025)

Assessing Cyclostationary Malware Detection via Feature Selection and Classification
von: Nkongolo, Mike
Veröffentlicht: (2023)

Optimized Approaches to Malware Detection: A Study of Machine Learning and Deep Learning Techniques
von: Fahim, Abrar, et al.
Veröffentlicht: (2025)

Semantic-Aware Contrastive Fine-Tuning: Boosting Multimodal Malware Classification with Discriminative Embeddings
von: Sanchez, Ivan Montoya, et al.
Veröffentlicht: (2025)

FARM: Few-shot Adaptive Malware Family Classification under Concept Drift
von: Guldemir, Numan Halit, et al.
Veröffentlicht: (2026)

Examining the Rat in the Tunnel: Interpretable Multi-Label Classification of Tor-based Malware
von: Karunanayake, Ishan, et al.
Veröffentlicht: (2024)

BEACON: Behavioral Malware Classification with Large Language Model Embeddings and Deep Learning
von: Perera, Wadduwage Shanika, et al.
Veröffentlicht: (2025)

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

Better Call Graphs: A New Dataset of Function Call Graphs for Malware Classification
von: Hossain, Jakir, et al.
Veröffentlicht: (2025)

TUANDROMD-X: Advanced Entropy and Visual Analytics Dataset for Enhanced Malware Detection and Classification
von: Borah, Parthajit, et al.
Veröffentlicht: (2026)

MalMixer: Few-Shot Malware Classification with Retrieval-Augmented Semi-Supervised Learning
von: Li, Jiliang, et al.
Veröffentlicht: (2024)

McNdroid: A Longitudinal Multimodal Benchmark for Robust Drift Detection in Android Malware
von: Kamol, Md Mahmuduzzaman, 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)

Quantifying the Generalization Gap: A New Benchmark for Out-of-Distribution Graph-Based Android Malware Classification
von: Tran, Ngoc N., et al.
Veröffentlicht: (2025)

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

Malware Detection based on API calls
von: Fellicious, Christofer, et al.
Veröffentlicht: (2025)

On the Robustness of Malware Detectors to Adversarial Samples
von: Salman, Muhammad, et al.
Veröffentlicht: (2024)

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

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

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

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

kNN Classification of Malware Data Dependency Graph Features
von: Musgrave, John, et al.
Veröffentlicht: (2024)

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

LLM-Generated Samples for Android Malware Detection
von: Rollinson, Nik, et al.
Veröffentlicht: (2025)

Nebula: Self-Attention for Dynamic Malware Analysis
von: Trizna, Dmitrijs, et al.
Veröffentlicht: (2023)

Recent Advances in Malware Detection: Graph Learning and Explainability
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Dual Explanations via Subgraph Matching for Malware Detection
von: Shokouhinejad, Hossein, et al.
Veröffentlicht: (2025)

Regression-aware Continual Learning for Android Malware Detection
von: Ghiani, Daniele, et al.
Veröffentlicht: (2025)

Applying Graph Analysis for Unsupervised Fast Malware Fingerprinting
von: Karbab, ElMouatez Billah, et al.
Veröffentlicht: (2025)