MétaCan
Menu
Retour à la cohorte
Enregistrement W7133051073

Application of Machine Learning in Program and Malware Analysis

2025· dissertation· W7133051073 sur OpenAlexfundno aff
Mingyue Yang

Notice bibliographique

RevueTSpace · 2025
Typedissertation
Langue
DomaineComputer Science
ThématiqueAdvanced Malware Detection Techniques
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoGovernment of Ontario
Mots-clésMalwarePath (computing)SoftwareConstraint (computer-aided design)RetrainingDomain (mathematical analysis)Concept driftMalware analysisEvasion (ethics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Program and malware analysis tools are important for computer security. Recently, machine learning has been applied to help with program and malware analysis. In this thesis, we investigate a few areas in which the application of machine learning can be used to improve program analysis. We find several cases where understanding the problem domain of program analysis can be more important than achieving raw machine learning capabilities on its own. The first application is symbolic analysis. We use path features instead of constraint features in related work to train models that predict whether paths are possible in symbolic analysis. These statistical path features can be applied without constraint collection. With these features, simple machine learning models are enough to save time, and their predictions can generalize across software applications. Also, we examine the sometimes complex interactions between factors such as model performance, design of symbolic analysis tool, distribution of path analysis time, and the algorithm that prioritizes and selects paths for symbolic analysis. We find that leveraging domain-specific knowledge about analyzed paths can achieve better time savings than improving model performance. Another application is malware classification. While machine learning models can detect malware, these models need to be frequently retrained to ensure they are up to date. Data drift detectors select drifting software samples into the datasets for retraining models, so model performance does not decrease significantly upon changes in software data. However, how malware samples can evade these data drift detectors during malware classification has not been studied. We examine how evasion and poisoning attacks work against data drift detectors and malware classifiers. We find how unique properties from the underlying models of the data drift detectors cause some attacks that work against malware classification to fail against data drift detection. With improper attack methods, a more capable attacker can even decrease the chance of attack success against data drift detection. Finally, we also propose a poisoning attack that properly works against one such data drift detector for retraining malware classifiers.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,358
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetAdvanced Malware Detection TechniquesTravaux en français237 207