Buchumschlag

LLM-Driven Feature-Level Adversarial Attacks on Android Malware Detectors

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lan, Tianwei, Naït-Abdesselam, Farid
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

Trust Under Siege: Label Spoofing Attacks against Machine Learning for Android Malware Detection
von: Lan, Tianwei, et al.
Veröffentlicht: (2025)

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

Adversarial Attacks on Transformers-Based Malware Detectors
von: Jakhotiya, Yash, et al.
Veröffentlicht: (2022)

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

Addressing Trust Challenges in Blockchain Oracles Using Asymmetric Byzantine Quorums
von: Rahman, Fahad, et al.
Veröffentlicht: (2023)

Improving Android Malware Detection Through Data Augmentation Using Wasserstein Generative Adversarial Networks
von: Stalin, Kawana, 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)

DDP-SA: Scalable Privacy-Preserving Federated Learning via Distributed Differential Privacy and Secure Aggregation
von: Wei, Wenjing, et al.
Veröffentlicht: (2026)

IoT-based Android Malware Detection Using Graph Neural Network With Adversarial Defense
von: Yumlembam, Rahul, et al.
Veröffentlicht: (2025)

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

Exploring Large Language Models for Semantic Analysis and Categorization of Android Malware
von: Walton, Brandon J, et al.
Veröffentlicht: (2025)

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

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

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

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

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

Adversarial Evasion in Non-Stationary Malware Detection: Minimizing Drift Signals through Similarity-Constrained Perturbations
von: Acharya, Pawan, et al.
Veröffentlicht: (2026)

MalPurifier: Enhancing Android Malware Detection with Adversarial Purification against Evasion Attacks
von: Zhou, Yuyang, et al.
Veröffentlicht: (2023)

DECEIVE-AFC: Adversarial Claim Attacks against Search-Enabled LLM-based Fact-Checking Systems
von: Ou, Haoran, et al.
Veröffentlicht: (2026)

Attention Masks Help Adversarial Attacks to Bypass Safety Detectors
von: Shi, Yunfan
Veröffentlicht: (2024)

Creating Valid Adversarial Examples of Malware
von: Kozák, Matouš, et al.
Veröffentlicht: (2023)

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

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

MASKDROID: Robust Android Malware Detection with Masked Graph Representations
von: Zheng, Jingnan, et al.
Veröffentlicht: (2024)

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

Stealthy Backdoor Attack to Real-world Models in Android Apps
von: Wei, Jiali, et al.
Veröffentlicht: (2025)

Malware families discovery via Open-Set Recognition on Android manifest permissions
von: Leveni, Filippo, et al.
Veröffentlicht: (2025)

Explainability Guided Adversarial Evasion Attacks on Malware Detectors
von: Aryal, Kshitiz, et al.
Veröffentlicht: (2024)

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

VTarbel: Targeted Label Attack with Minimal Knowledge on Detector-enhanced Vertical Federated Learning
von: Tan, Juntao, et al.
Veröffentlicht: (2025)

The Power of MEME: Adversarial Malware Creation with Model-Based Reinforcement Learning
von: Rigaki, Maria, et al.
Veröffentlicht: (2023)

Concept Drift Adaptation Using Self-Supervised and Reinforcement Learning In Android Malware Detection
von: Sabbah, Ahmed, et al.
Veröffentlicht: (2026)

RAG-targeted Adversarial Attack on LLM-based Threat Detection and Mitigation Framework
von: Ikbarieh, Seif, et al.
Veröffentlicht: (2025)

Evaluating Answer Leakage Robustness of LLM Tutors against Adversarial Student Attacks
von: Zhao, Jin, et al.
Veröffentlicht: (2026)

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

Latent Adversarial Detection: Adaptive Probing of LLM Activations for Multi-Turn Attack Detection
von: Kulkarni, Prashant
Veröffentlicht: (2026)

LCC-LLM: Leveraging Code-Centric Large Language Models for Malware Attribution
von: Pohlenz, Christopher G. Pedraza, et al.
Veröffentlicht: (2026)

A General Black-box Adversarial Attack on Graph-based Fake News Detectors
von: Zhu, Peican, et al.
Veröffentlicht: (2024)

To Protect the LLM Agent Against the Prompt Injection Attack with Polymorphic Prompt
von: Wang, Zhilong, et al.
Veröffentlicht: (2025)