| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-09-05 15:50 Malware detection using LC-KSVD with Sparse Random Projection ○Aziz Urahman Shafaq・Takayuki Nakachi（Univ. of the Ryukyus）  LOIS2024-25 IE2024-31 EMM2024-81 |
|
| 抄録 | （和） | Malware detection is increasingly challenging due to the sophistication of threats. This study presents a small data-driven malware detection approach that integrates Label Consistent K-SVD (LC-KSVD) with Sparse Random Projection (SRP). SRP effectively reduces the dimensionality of high-dimensional malware image data while maintaining its core structure, and LC-KSVD, which incorporates label information, refines dictionary learning for better classification. The unified objective function, optimized using K-SVD, combines reconstruction and classification errors. The approach is evaluated based on classification accuracy, and computational complexity. Simulation results demonstrate that LC-KSVD with SRP achieves better classification accuracy compared to LC-KSVD with traditional dimensionality reduction methods, potentially advancing the field of malware detection and cybersecurity. |
| （英） | Malware detection is increasingly challenging due to the sophistication of threats. This study presents a small data-driven malware detection approach that integrates Label Consistent K-SVD (LC-KSVD) with Sparse Random Projection (SRP). SRP effectively reduces the dimensionality of high-dimensional malware image data while maintaining its core structure, and LC-KSVD, which incorporates label information, refines dictionary learning for better classification. The unified objective function, optimized using K-SVD, combines reconstruction and classification errors. The approach is evaluated based on classification accuracy, and computational complexity. Simulation results demonstrate that LC-KSVD with SRP achieves better classification accuracy compared to LC-KSVD with traditional dimensionality reduction methods, potentially advancing the field of malware detection and cybersecurity. | |
| キーワード | （和） | Machine Learning / Malware Detection / LC-KSVD / Sparse Random Projection / Malimg Dataset / / / |
| （英） | Machine Learning / Malware Detection / LC-KSVD / Sparse Random Projection / Malimg Dataset / / / | |
| 文献情報 | 信学技報, vol. 124, no. 177, EMM2024-81, pp. 71-76, 2024年9月. | |
| 資料番号 | EMM2024-81 | |
| 発行日 | 2024-08-28 (LOIS, IE, EMM) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | LOIS2024-25 IE2024-31 EMM2024-81 |
|
| 研究会情報 | |
| 研究会 | EMM ITE-ME IE LOIS IEE-CMN IPSJ-AVM |
| 開催期間 | 2024-09-04 - 2024-09-05 |
| 開催地（和） | 広島工業大学 五日市キャンパス（FIT2024と併催） |
| 開催地（英） | Hiroshima Institute of Technology |
| テーマ（和） | マルチメディア通信/システム，ライフログ活用技術，IP放送/映像伝送，メディアセキュリティ，メディア処理(AI，深層学習)，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2024-09-EMM-ME-IE-LOIS-CMN-AVM |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Malware detection using LC-KSVD with Sparse Random Projection |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Machine Learning / Machine Learning |
| キーワード(2)（和/英） | Malware Detection / Malware Detection |
| キーワード(3)（和/英） | LC-KSVD / LC-KSVD |
| キーワード(4)（和/英） | Sparse Random Projection / Sparse Random Projection |
| キーワード(5)（和/英） | Malimg Dataset / Malimg Dataset |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Aziz Urahman Shafaq / Aziz Urahman Shafaq / |
| 第1著者 所属（和/英） | University of the Ryukyus (略称： Univ. of the Ryukyus) University of the Ryukyus (略称： Univ. of the Ryukyus) |
| 第2著者 氏名（和/英/ヨミ） | Takayuki Nakachi / Takayuki Nakachi / |
| 第2著者 所属（和/英） | University of the Ryukyus (略称： Univ. of the Ryukyus) University of the Ryukyus (略称： Univ. of the Ryukyus) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-09-05 15:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | EMM |
| 資料番号 | LOIS2024-25, IE2024-31, EMM2024-81 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.175(LOIS), no.176(IE), no.177(EMM) |
| ページ範囲 | pp.71-76 |
| ページ数 | 6 |
| 発行日 | 2024-08-28 (LOIS, IE, EMM) |
[研究会発表申込システムのトップページに戻る]