| | 講 題 | 應用深度學習注意力機制於Android惡意程式檢測之研究 | | | 講 者 | 國立中央大學 Yi-Ming Chen, Ying-Ching Chang, Po-Yen Tseng | | | 日 期 | 2019/09/25 | 長 度 | 00:10:17 | 人 氣 | 67 次 | | | 隨著 Android 行動裝置的普及，惡意軟件檢測 在現今是非常重要的，其中許多研究使用深度學習 來學習，並且近年來注意力機制 (Attention Mechanism)為不同隱藏狀態給予相對應的注意權 重，廣泛應用於機器翻譯、影像標記等許多領域， 但尚未有研究將其機制詳細探討於 Android 惡意程 式分析領域。因此本研究針對目前惡意軟體中靜態 與動態分析來提取不同型態的特徵，比對原有深度 神經網路與加入注意力機制後的差別，最後實驗結 果亦顯示在靜態操作碼圖像上注意力機制提升現 有 Convolutional Neural Network (CNN)模型1.99% 的準確度，在動態方面提取 System Call 特徵， Bi-directional Long Short-Term Memory-Attention (Bi-LSTM-Attention) 模型的準確率高達93.5%。
| | | 提 供 | TANET台灣網際網路研討會-TANET2019 | | |
|
