Buchumschlag

Accuracy and Efficiency Trade-Offs in LLM-Based Malware Detection and Explanation: A Comparative Study of Parameter Tuning vs. Full Fine-Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gravereaux, Stephen C., Islam, Sheikh Rabiul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable Deep Learning Models for Dynamic and Online Malware Classification
von: Card, Quincy, et al.
Veröffentlicht: (2024)

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

PEFT-as-an-Attack! Jailbreaking Language Models during Federated Parameter-Efficient Fine-Tuning
von: Li, Shenghui, et al.
Veröffentlicht: (2024)

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

Prompt Engineering vs. Fine-Tuning for LLM-Based Vulnerability Detection in Solana and Algorand Smart Contracts
von: Boi, Biagio, et al.
Veröffentlicht: (2025)

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

TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering
von: Hossain, Saad, et al.
Veröffentlicht: (2026)

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

A Systematic Evaluation of Parameter-Efficient Fine-Tuning Methods for the Security of Code LLMs
von: Lee, Kiho, et al.
Veröffentlicht: (2025)

Small Language Models for Phishing Website Detection: Cost, Performance, and Privacy Trade-Offs
von: Goldenits, Georg, et al.
Veröffentlicht: (2025)

MarkTune: Improving the Quality-Detectability Trade-off in Open-Weight LLM Watermarking
von: Zhao, Yizhou, et al.
Veröffentlicht: (2025)

PEFTGuard: Detecting Backdoor Attacks Against Parameter-Efficient Fine-Tuning
von: Sun, Zhen, et al.
Veröffentlicht: (2024)

BugWhisperer: Fine-Tuning LLMs for SoC Hardware Vulnerability Detection
von: Tarek, Shams, et al.
Veröffentlicht: (2025)

Differentiation-Based Extraction of Proprietary Data from Fine-Tuned LLMs
von: Li, Zongjie, et al.
Veröffentlicht: (2025)

CurricuLLM: Designing Personalized and Workforce-Aligned Cybersecurity Curricula Using Fine-Tuned LLMs
von: Nijdam, Arthur, et al.
Veröffentlicht: (2026)

Defending Against Weight-Poisoning Backdoor Attacks for Parameter-Efficient Fine-Tuning
von: Zhao, Shuai, et al.
Veröffentlicht: (2024)

Fine-Tuning, Quantization, and LLMs: Navigating Unintended Outcomes
von: Kumar, Divyanshu, et al.
Veröffentlicht: (2024)

Secret Stealing Attacks on Local LLM Fine-Tuning through Supply-Chain Model Code Backdoors
von: Li, Zi, et al.
Veröffentlicht: (2026)

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

Persistent Backdoor Attacks under Continual Fine-Tuning of LLMs
von: Cui, Jing, et al.
Veröffentlicht: (2025)

DetectBERT: Towards Full App-Level Representation Learning to Detect Android Malware
von: Sun, Tiezhu, et al.
Veröffentlicht: (2024)

ReCIT: Reconstructing Full Private Data from Gradient in Parameter-Efficient Fine-Tuning of Large Language Models
von: Xie, Jin, et al.
Veröffentlicht: (2025)

Enhancing Smart Contract Vulnerability Detection in DApps Leveraging Fine-Tuned LLM
von: Bu, Jiuyang, et al.
Veröffentlicht: (2025)

Semantic Preprocessing for LLM-based Malware Analysis
von: Marais, Benjamin, et al.
Veröffentlicht: (2025)

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

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

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

DataShield: Safety-degrading Data Filtering for LLM Benign Instruction Fine-Tuning
von: Zhang, Junbo, et al.
Veröffentlicht: (2026)

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

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

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

Self-Mined Hardness for Safety Fine-Tuning
von: Gupta, Prakhar, et al.
Veröffentlicht: (2026)

Fine-Tuning Small Language Models for Solution-Oriented Windows Event Log Analysis
von: Akhtar, Siraaj, et al.
Veröffentlicht: (2026)

Analysing Safety Risks in LLMs Fine-Tuned with Pseudo-Malicious Cyber Security Data
von: ElZemity, Adel, et al.
Veröffentlicht: (2025)

Scam Shield: Multi-Model Voting and Fine-Tuned LLMs Against Adversarial Attacks
von: Chang, Chen-Wei, et al.
Veröffentlicht: (2025)

Generalization-Enhanced Code Vulnerability Detection via Multi-Task Instruction Fine-Tuning
von: Du, Xiaohu, et al.
Veröffentlicht: (2024)

"Digital Camouflage": The LLVM Challenge in LLM-Based Malware Detection
von: Böke, Ekin, 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)

Data Provenance Auditing of Fine-Tuned Large Language Models with a Text-Preserving Technique
von: Li, Yanming, et al.
Veröffentlicht: (2025)