Nghiên cứu của nhóm sinh viên về Phương pháp phát hiện mã độc được chấp nhận đăng tại Hội nghị khoa học quốc tế SOICT 2024

NGHIA TO
8:34 30/10/2024

Chúc mừng nhóm sinh viên Lê Trần Gia Bảo, Trần Thanh Phong, Phạm Thái Bảo sinh viên ngành Khoa học máy tính và An toàn thông tin cùng nhóm nghiên cứu InsecLab đã có bài báo nghiên cứu về Phương pháp phát hiện mã độc trên Windows được chấp nhận đăng tại Hội nghị khoa học quốc tế "the 13th International Symposium on Information and Communication Technology (SOICT 2024)".

Hội nghị SOICT 2024 sẽ diễn ra tại Thành phố Đà Nẵng do Trường Công nghệ Thông tin và Truyền thông – ĐH Bách Khoa Hà Nội, Trường ĐH Khoa học Tự nhiên - ĐHQG TP. HCM, Trường ĐH Bách Khoa, ĐH Đà Nẵng phối hợp tổ chức vào ngày 13 - 15.12.2024.Bài báo khoa học là kết quả đề tài nghiên cứu được các bạn sinh viên thực hiện với nhóm nghiên cứu InSecLab trong thời gian bạn tham gia nghiên cứu khoa học về Phương pháp phát hiện mã độc trên Windows dựa trên các kỹ thuật học sâu tại Phòng thí nghiệm An toàn thông tin (InSecLab).

Tên bài báo:
Chủ đề nghiên cứu:
Giảng viên hướng dẫn:
Thông tin chung:

Hội nghị SOICT 2024 là một hội nghị khoa học quốc tế bao gồm các lĩnh vực nghiên cứu quan trọng bao gồm Nền tảng AI và Dữ liệu lớn, Công nghệ mạng và truyền thông, Xử lý đa phương tiện, Kỹ thuật phần mềm, Ứng dụng AI, AI tạo sinh, Nghiên cứu và tối ưu hóa hoạt động ứng dụng, An toàn thông tin.

Abstract:

“Application Programming Interfaces (APIs) continue to be the primary and most accessible data source for malware detection and classification methods. With recent Deep Learning (DL) breakthroughs, techniques for analysing API call sequences have become increasingly effective at extracting valuable insights. However, the length and complexity of these sequences can pose challenges, making them difficult to interpret and analyse comprehensively. Furthermore, traditional DL models may struggle to capture long-range dependencies and sequential patterns in such extended API call sequences, which are essential for accurate malware detection. This paper proposes a novel malware detection approach based on API call sequences that leverages the power of the Bidirectional Encoder Representations from Transformers (BERT) and a DL model combining Convolutional Neural Network (CNN) and Extended Long Short-Term Memory (xLSTM) techniques. Specifically, BERT effectively captures the contextual relationships between API calls, while CNN-xLSTM proves highly effective at classifying sequences by preserving long-term dependencies and handling the complexities of sequential data. Experimental results on the EMBER dataset show that our approach performs better than existing state-of-the-art embedding and detection methods in both accuracy and robustness.”

Link hội nghị: https://soict.org/submission/paper-submission/

TIN LIÊN QUAN
𝐆𝐨𝐨𝐠𝐥𝐞 𝐂𝐚𝐩𝐭𝐮𝐫𝐞 𝐓𝐡𝐞 𝐅𝐥𝐚𝐠 được tổ chức bởi nhóm 𝐆𝐨𝐨𝐠𝐥𝐞 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲, có những thử thách từ các hạng mục khác nhau như: 𝐖𝐞𝐛, 𝐏𝐰𝐧, 𝐂𝐫𝐲𝐩𝐭𝐨, 𝐑𝐞𝐯𝐞𝐫𝐬𝐢𝐧𝐠, 𝐌𝐢𝐬𝐜. Thông tin về 𝐆𝐨𝐨𝐠𝐥𝐞 𝐂𝐚𝐩𝐭𝐮𝐫𝐞 𝐓𝐡𝐞 𝐅𝐥𝐚𝐠 𝟐𝟎𝟐𝟓 như sau: Thời gian diễn ra: Từ sáng 𝟏𝐡𝟎𝟎 ngày 𝟐𝟖/𝟎𝟔/𝟐𝟎𝟐𝟓 (Thứ 7) đến sáng...
SỰ KIỆN "WANNASETUP" ĐÃ CHÍNH THỨC BẮT ĐẦU! Bạn có đang sở hữu một góc học tập/làm việc siêu chất khiến ai nhìn cũng trầm trồ? Bạn có những món đồ chơi công nghệ độc đáo như bàn phím cơ “đỉnk kao”, dàn màn hình “Vip Pro” hỗ trợ tối...
Phòng Thí nghiệm An toàn Thông tin chào đón các bạn sinh viên đam mê lĩnh vực an ninh mạng và kiểm thử xâm nhập tham gia chương trình Thực tập Nghiên cứu (Research Intern) - Mùa hè năm 2025. Trong thời gian thực tập, các bạn sẽ có cơ...