admin 管理员组

文章数量: 1184232

文章目录

  • “I’m regretting that I hit run”: In-situ Assessment of Potential Malware
    • Intro
    • Related work
    • study design
    • Methodology
    • Result: 1 level
      • Executable Properties
      • Program Behavior
      • Program look and feel
      • Threat Intelligence source
    • Result: 2 level
    • Discussion
      • Performance on different software
      • Misconceptions and awareness deficits
    • Appendix

“I’m regretting that I hit run”: In-situ Assessment of Potential Malware

USENIX SECURITY 2025
University of Guelph
一篇关于用户对potential malware的评估研究

Intro

2022年，全球报告的新恶意软件应用超过一亿个[3]。恶意软件作者日益依赖欺骗手段和滥用信任来逃避检测。据VirusTotal统计，2022年上半年，通过合法域名传播的恶意软件数量显著增加（其中250万个样本是通过Alexa前1000名域名下载的），同时，使用有效数字证书签名的恶意软件样本也超过百万个，更有不少恶意软件伪装成合法软件[23]。面对激增的数量及愈发隐蔽的作案手法，仅靠技术手段已难以有效识别恶意软件[8, 13]。因此，深入了解人类如何判断潜在恶意软件的性质，显得尤为重要。

2022年的ref，疑似投了很久

尽管已有大量研究聚焦于检测恶意软件的技术解决方案，但目前尚无任何工作探讨人类在判断可疑软件是否构成实际威

本文标签： 样本 恶意 方式 数据 AI

版权声明：本文标题：利用AI+大数据的方式分析恶意样本（四十六） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1765478485a3384745.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。