• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Middle East and North Africa Communications Conference >Overview and Case Study for Ransomware Classification Using Deep Neural Network
【24h】

Overview and Case Study for Ransomware Classification Using Deep Neural Network

机译：基于深度神经网络的勒索软件分类概述和案例研究

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Ransomware has become a prominent threat that attracted increasing attention over years. In this paper, we present a thorough overview of this particular type of malware including its initial communication channels, behavior on different platforms, infection vectors, and detection techniques. One of the problems faced research on extensive studies to detect ransomware was the unavailability of large representative datasets. In this work, we used one of the recent datasets that became publicly available with huge number of features. Here, dimensionality reduction represents a great challenge to select most relevant features. We explored different avenues of feature selection and their corresponding statistical tools in order to determine a reduced subset of features out of the entire feature haystack, using machine learning tools in python. Moreover, we ran experiments to compare a deep neural network (DNN) based mode with a random forest model for classifying ransomware. DNN showed better performance using the reduced feature set.
机译：勒索软件已成为一个突出的威胁，多年来受到越来越多的关注。在本文中，我们对这种特定类型的恶意软件进行了全面概述，包括其初始通信渠道，在不同平台上的行为，感染媒介和检测技术。在广泛的研究中，检测勒索软件面临的问题之一是大型代表性数据集的不可用。在这项工作中，我们使用了一个公开的具有大量功能的最新数据集。在这里，降维代表了选择最相关特征的巨大挑战。我们使用python中的机器学习工具，探索了特征选择的不同途径及其相应的统计工具，以便从整个特征干草堆中确定出减少的特征子集。此外，我们进行了实验，将基于深度神经网络（DNN）的模式与用于分类勒索软件的随机森林模型进行了比较。 DNN使用简化的功能集显示出更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号