Published April 8, 2024
| Version v1
Publication
Open
Resampled Correlation-Based Feature Descriptors: A Novel Approach to Enhancing Malware Detection Capabilities
- 1. University of Ghana
Description
Abstract The study addresses the pressing need for improved malware detection in cybersecurity, leveraging a novel approach that combines deep learning with feature selection techniques. By analyzing network traffic patterns, the research aims to distinguish between benign and malicious activities, crucial for protecting networks and devices from cyber threats. Through training and evaluating Dense and LSTM neural network models on extensive malware datasets, the study demonstrates a significant enhancement in detection accuracy, surpassing previous methodologies by 0.98%. This innovative method not only provides valuable insights for developers but also contributes to advancing the capabilities of malware detection systems, ultimately bolstering cybersecurity defenses against evolving threats.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تتناول الدراسة الحاجة الملحة لتحسين اكتشاف البرامج الضارة في الأمن السيبراني، والاستفادة من نهج جديد يجمع بين التعلم العميق وتقنيات اختيار الميزات. من خلال تحليل أنماط حركة مرور الشبكة، يهدف البحث إلى التمييز بين الأنشطة الحميدة والخبيثة، وهو أمر بالغ الأهمية لحماية الشبكات والأجهزة من التهديدات السيبرانية. من خلال تدريب وتقييم نماذج الشبكات العصبية الكثيفة و LSTM على مجموعات بيانات البرامج الضارة الشاملة، توضح الدراسة تحسنًا كبيرًا في دقة الكشف، متجاوزة المنهجيات السابقة بنسبة 0.98 ٪. لا توفر هذه الطريقة المبتكرة رؤى قيمة للمطورين فحسب، بل تساهم أيضًا في تطوير قدرات أنظمة الكشف عن البرامج الضارة، مما يعزز في نهاية المطاف دفاعات الأمن السيبراني ضد التهديدات المتطورة.Translated Description (French)
Résumé L'étude répond au besoin urgent d'améliorer la détection des logiciels malveillants dans la cybersécurité, en tirant parti d'une nouvelle approche qui combine l'apprentissage en profondeur avec des techniques de sélection de fonctionnalités. En analysant les modèles de trafic réseau, la recherche vise à faire la distinction entre les activités bénignes et malveillantes, cruciales pour protéger les réseaux et les appareils contre les cybermenaces. Grâce à la formation et à l'évaluation des modèles de réseaux neuronaux Dense et LSTM sur de vastes ensembles de données de logiciels malveillants, l'étude démontre une amélioration significative de la précision de la détection, dépassant les méthodologies précédentes de 0,98 %. Cette méthode innovante fournit non seulement des informations précieuses aux développeurs, mais contribue également à faire progresser les capacités des systèmes de détection de logiciels malveillants, renforçant ainsi les défenses de cybersécurité contre les menaces en constante évolution.Translated Description (Spanish)
Resumen El estudio aborda la necesidad apremiante de mejorar la detección de malware en ciberseguridad, aprovechando un enfoque novedoso que combina el aprendizaje profundo con técnicas de selección de características. Al analizar los patrones de tráfico de la red, la investigación tiene como objetivo distinguir entre actividades benignas y maliciosas, cruciales para proteger las redes y los dispositivos de las amenazas cibernéticas. A través de la capacitación y evaluación de modelos de redes neuronales Dense y LSTM en amplios conjuntos de datos de malware, el estudio demuestra una mejora significativa en la precisión de la detección, superando las metodologías anteriores en un 0,98%. Este método innovador no solo proporciona información valiosa para los desarrolladores, sino que también contribuye a mejorar las capacidades de los sistemas de detección de malware y, en última instancia, refuerza las defensas de ciberseguridad contra las amenazas en evolución.Files
latest.pdf.pdf
Files
(808.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:39bc45b9793d1b1c97963442454cfc44
|
808.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- إعادة أخذ عينة من أوصاف الميزات القائمة على الارتباط: نهج جديد لتعزيز قدرات الكشف عن البرامج الضارة
- Translated title (French)
- Descripteurs de fonctionnalités basés sur la corrélation rééchantillonnés : une nouvelle approche pour améliorer les capacités de détection des logiciels malveillants
- Translated title (Spanish)
- Descriptores de características basados en la correlación remuestreados: un enfoque novedoso para mejorar las capacidades de detección de malware
Identifiers
- Other
- https://openalex.org/W4394576935
- DOI
- 10.21203/rs.3.rs-4219089/v1
References
- https://openalex.org/W2787946654
- https://openalex.org/W3014274353
- https://openalex.org/W3026718724
- https://openalex.org/W3128377237
- https://openalex.org/W3182984361
- https://openalex.org/W3203373224
- https://openalex.org/W4309879255
- https://openalex.org/W4310386984