Phương pháp học với ít mẫu cho bài toán phát hiện mã PowerShell độc hại

Đồ án nghiên cứu phương pháp Few-shot Learning cho bài toán phát hiện mã PowerShell độc hại trong điều kiện dữ liệu huấn luyện hạn chế. Hệ thống sử dụng CodeBERT để trích xuất đặc trưng ngữ nghĩa của các đoạn mã PowerShell, kết hợp với Contrastive Learning nhằm tối ưu không gian biểu diễn và thực hiện phân loại dựa trên độ tương đồng cosine. Phương pháp được đánh giá và so sánh với các mô hình Baseline, Token, AST, Transformer, Hybrid và Deep Hybrid trên tập dữ liệu PowerShell đa lớp. Kết quả thực nghiệm cho thấy phương pháp đề xuất có khả năng phát hiện các mẫu mã độc tương tự và hỗ trợ nhận diện các họ mã độc mới khi chỉ có số lượng mẫu huấn luyện hạn chế.

Phát hiện phần mềm độc hại PE bằng cách sử dụng mạng thần kinh đồ thị và pháp chứng bộ nhớ

Tổng quan Trước sự gia tăng đáng kể của các mối nguy hiểm trên không gian mạng hiện nay và sự tiến triển không ngừng...

Formats