von Trend Micro

Für den Schutz von Benutzern, Communities, Unternehmen und Regierungen ist es von wesentlicher Bedeutung, Malware gleich bei ihrem Auftreten abzufangen. Der Einsatz von ML-Technologie (Machine Learning) in der Cybersicherheit hat die Effizienz bei der Erkennung von Malware-Ausbrüchen deutlich verbessert. Mit Machine Learning können großen Datenmengen analysiert werden, um Muster und Korrelationen in den Samples zu finden, und auch um Systeme zu trainieren, die später auftretende ähnliche Malware-Varianten erkennen können. Doch ist ML bei der Analyse von Malware-Ausbrüchen auch dann in der Lage zu helfen, wenn ein nur kleines Datenset zur Verfügung steht? Trend Micro hat in Zusammenarbeit mit den Forschern der Federation University Australien eine Studie durchgeführt („Generative Malware Outbreak Detection“), die die Wirksamkeit der Darstellungen für solche Situationen vorführt, die durch Adversial Autoencoder zustande kommen. Dieses ML-Modell für die Erkennung von Malware-Ausbrüchen nutzt ein generatives Adversarial Network (GAN).
Weiterlesen →