Leveraging Feature Selection and Deep Learning for Accurate Malware and Ransomware Detection in PE Files
Notice bibliographique
Résumé
AI -driven malware detection, particularly using machine learning (ML) and deep learning (DL), has shown promise in the field of mal ware detection. While many studies focus on portable executable (PE) file features, fewer explore ransom ware detection using PE headers with deep learning. Additionally, limited research examines how feature selection impacts machine learning performance, which is crucial for optimizing detection accuracy. This paper investigates feature selection strategies to improve malware detection while minimizing feature count. We analyzed different dataset segments' impact on ML algorithms, refining a strategy to determine the optimal dataset proportion for training. We applied Principal Component Analysis, Mutual Information, and Chi-square feature selection techniques on two datasets: (1) 2,157 ransomware PE-header samples with 1,028 features and (2) 29,807 Windows malware samples with 54 features. Seven ML models were tested alongside deep learning models. For ransomware detection, the LSTM model achieved an accuracy of 99.7%. In the Malware dataset, an accuracy of 99.9% was obtained across all evaluation metrics using only 10 features selected with the Chi-square method when applied with NB, LR, ET, and SVM. Comparable results were achieved using mutual information in conjunction with RF and LR. For deep learning, the LSTM model attained an accuracy of 98.9%. In the Ransomware dataset, an accuracy of 99.9% was achieved using RF and ET with Chi-square on 500 selected features out of 1,027. PCA combined with LR resulted in an accuracy of 99.4%. These results emphasize the effectiveness of feature selection in enhancing both the accuracy and efficiency of mal ware and ransom ware detection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».