Cryptography Reference
In-Depth Information
diesen Topics arbeitet und versucht, mit automatisierten Techniken die
Einschätzung des Experten nachzuvollziehen.
2.3 Solution: ML-based Malware
Detection
Improved Malware analytics : SST Supervised Topic Transitio n
Using Machine Learning Techniques and Topic Modeling for clustering
Improved 'semantic' Clustering and Classification of malware
21
Bild 19
Wir haben unser Verfahren erprobt und die Ergebnisse mit den Ergebnissen
bekannter Verfahren verglichen. Es zeigt sich, dass unser Ansatz in vielen Punkten
die bekannten Ansätze übertrifft (Bild 20). Hier im Bild wird unser Ansatz
„Supervised Topic Transition (SST)“ durch die blaue Linie dargestellt. Die
Auswertung zeigt, dass mit dem semantischen Ansatz eine sehr hohe Erkennungs-
rate erzielt werden kann, die Fehlalarmrate niedrig ist und auch die Rate der nicht
erkannten Angriffe sehr niedrig ist.
Search WWH ::




Custom Search