A Hybrid Approach to Malware Detection: Integrating Few-Shot Model-Agnostic Meta-Learning with Autoencoders
本文针对勒索软件检测在样本稀缺与新型变种场景下失效的问题，提出了一种混合深度学习框架，把自编码器特征提取器（Autoencoder Feature Extractor, AFE）与模型无关元学习分类器（Model-Agnostic Meta
#deep-learning
共收录 86 条相关情报。
← 返回所有主题A Structured State Space Sequence Model for Multi-Class Classification of Malware
该论文针对物联网（IoT）设备规模爆炸式增长所带来的恶意软件威胁，提出并验证了一种基于结构化状态空间序列模型（Structured State Space Sequence，S4）的多分类恶意软件检测与分类框架。研究背景是：预计到 2030
Cybersecurity in Edge Computing: A Trust-Aware Federated Hybrid Intrusion Detection Framework
背景与问题：边缘计算把数据处理下沉到终端用户与 IoT 设备附近，降低了时延并缓解回传带宽拥塞，但由于边缘节点异构、资源受限、且往往部署在非受管的管理域中，攻击面被指数级放大，这些节点成为高价值且脆弱的目标。同时，全球范围内的数据隐私法规又
Optimizing and Securing the Modern Watermarking Channel for Images
该论文针对当前用于满足生成内容可追溯法规的多比特后验水印（post-hoc watermarking）方案展开理论剖析与改进。此类现代方案通常由一对深度神经网络构成编码器与解码器，被当作纯黑盒进行端到端训练；训练时把水印信道中的噪声建模为一
Frequency-Domain Mixing Data Augmentation for Malicious Traffic Detection
本文针对恶意流量检测模型在面对网络流量强动态性时，常需处理分布外（out-of-distribution）数据的问题展开研究。现有深度学习恶意流量检测模型依赖大量高质量标注数据，但标注难度高、资源消耗大，导致现有数据集多样性不足，难以覆盖不
Hand Me Your PIN! Inferring ATM PINs of Users Typing with a Covered Hand.
这篇论文研究的是自动取款机（ATM）场景下用户用手遮挡输入PIN码时的安全漏洞。尽管用户普遍认为用另一只手遮挡打字的手能够抵御肩窥式攻击（如通过隐藏摄像头偷拍密码键盘），但论文指出这一防范措施的效果缺乏科学验证。作者提出了一种新型攻击方法：
SPADE: SPaT Attack Detection from the Connected Vehicle's Perspective
信号相位和定时（SPaT）消息是联网汽车（CV）安全的关键组件，通过车辆到基础设施（V2I）和车辆到车辆（V2V）通信，使车辆能够感知和响应交叉路口状态。然而，当路侧单元或对等车辆被入侵时，应用层攻击可以绕过传统认证机制，威胁 SPaT 消
Poster: Detecting Adversarial Examples Hidden under Watermark Perturbation via Usable Information Theory.
本论文探讨图像水印扰动作为对抗性噪声时，对深度学习模型产生的欺骗威胁。传统对抗样本 (AE) 检测方法通常假设噪声为典型的扰动模式（如 Lp 范数约束），因此面对嵌入水印标志这类结构化噪声时往往失效，即水印扰动 AE 可绕过现有检测。文章提
What Limits Robustness in Deep Image Watermarking: An Analysis of Mechanisms and Their Scaling Across Capacities
该论文针对深度图像水印中鲁棒性这一核心开放问题展开分析，重点研究当payload容量增长时，鲁棒性受限的根本原因。作者提出两个问题：容量本身是否是限制因素，还是仅仅暴露了其他潜在限制？论文给出两部分回答。第一部分系统梳理了水印必须承受的各种
A Simple Transformer Pipeline for Full-Key Side-Channel Attacks on Uncropped Datasets
本文提出了一种用于非裁剪（uncropped）侧信道数据集的全密钥（full-key）攻击的简单 Transformer 流水线。传统深度学习侧信道分析通常针对单字节目标并依赖人工裁剪的迹线，这可能会丢弃可利用的泄漏信息。近期研究虽然提出了
DnD: A Cross-Architecture Deep Neural Network Decompiler.
本文提出 DnD, 一种跨架构的深度神经网络反编译器 (DNN Decompiler), 旨在解决传统反编译器 (如 Hex-Rays) 依赖人工编写规则、难以推广到新指令集架构的问题。核心方法是将不同架构的汇编指令统一 token 化,
Data Poisoning Attacks to Deep Learning Based Recommender Systems.
推荐系统在各类在线服务中帮助用户发现感兴趣内容，基于深度学习的推荐系统因性能优势日益普及。然而，这类系统的安全性鲜有研究。本文首次系统研究针对深度学习推荐系统的数据投毒攻击。攻击者通过注入精心构造评分的虚假用户，操纵系统输出，使攻击者选定的
ROBBIN: Rowhammer-Based Backdoor Injection during Inference
本文提出一种名为 ROBBIN 的新型 Rowhammer 后门注入攻击方法，针对推理阶段深度学习模型的权重进行比特翻转。现有基于 Rowhammer 的推理时后门攻击在设计比特翻转策略时只停留在算法层面，未考虑底层 DRAM 硬件实际产生
Parameterizing Activation Functions for Adversarial Robustness.
本文研究了可学习参数化激活函数（PAFs）与对抗训练结合时对深度神经网络鲁棒性的影响。以往工作主要关注网络宽度和深度对鲁棒性的作用，而激活函数形状的影响尚未被系统研究。作者首先设计了一组参数化激活函数，其参数可以独立控制负输入、接近零的输入
Smarter Contracts: Detecting Vulnerabilities in Smart Contracts with Deep Transfer Learning.
智能合约安全是区块链领域的重要挑战。以太坊智能合约编程漏洞已被利用造成严重经济损失。现有检测工具通常只针对少数特定漏洞类型，难以扩展到新型漏洞，且需要重新设计。本文提出ESCORT，一种基于深度迁移学习的多漏洞检测框架。该方法采用共享的特征
Malformer: A Multi-Modal Malware Detector Using Transformers
传统的恶意软件检测系统通常依赖单一的样本表示（即模态），难以有效识别新型威胁，且某些模态提取过程依赖反汇编成功率，导致模型在多变样本上的判别能力不足。已有工作尝试融合多种模态或增强表示，但多为双模态或改进单个表示。为此，本文提出 Malfo
Breaking Infrared Recapture Detection: Optical-Synthesis Attacks and Depth-Aware In-Sensor Countermeasures.
本文针对基于红外成像的重放攻击检测机制，提出了一种新型的光学合成攻击方法，并设计了一种深度感知的传感器内对策。在基于摄像头的身份认证、活体检测等安全场景中，红外摄像头常被用于区分真实人体与照片或视频重放。现有检测手段多依赖光谱特性、反射模式
CipherSight: Robust Website Fingerprinting via Record-Resource Semantic Supervision under Distribution Shifts
本文提出 CipherSight，一种基于 TLS 记录层的高鲁棒性 HTTPS 网站指纹识别（WF）框架，旨在解决真实部署中因时间和地域变化导致的分布偏移（OOD）以及开放世界场景中不断出现的新网站问题。现有方法主要从原始 TCP 包序列
A Comparison of Malware Image Transformations Using Grad-CAM and Hybrid Learning Models
该研究专注于恶意软件检测领域中的二进制到图像转换技术，并引入可解释人工智能（XAI）工具来提升模型的可解释性。作者使用 Gradient-weighted Class Activation Maps (Grad-CAM) 作为解释工具，分析
Disa: Accurate Learning-based Static Disassembly with Attentions.
该论文提出了一种名为 Disa 的基于学习的静态反汇编方法，旨在解决反汇编中指令边界和函数边界识别这一核心难题。传统反汇编方法依赖文件格式假设和架构特定启发式规则来猜测边界，在二进制文件被混淆时容易出现不完整或错误的反汇编结果。近年来，深度