HYDRA: Proactive Android Malware Drift Adaptation via Hierarchical Graph Contrastive Learning
该论文聚焦于 Android 恶意软件检测中的概念漂移（concept drift）问题。随着恶意样本持续演化，基于机器学习训练的检测器性能会显著退化。作者指出当前两类主流适应策略各有缺陷：一类是「反应式」方案，只有在检测性能已经下降后才触
#domain-adaptation
共收录 5 条相关情报。
← 返回所有主题MiST: Mid-Training LLMs for Cybersecurity
网络安全领域兼具高风险决策属性与高度专业化的技术语言，对通用大语言模型构成显著挑战。该论文提出 MiST（Mid-trained Security Transformer），包含 8B 与 32B 两个参数规模的模型系列，均在公开网络安全基
DASM: Domain-Aware Sharpness Minimization for Multi-Domain Voice Stream Steganalysis
该论文针对网络语音流隐写分析（steganalysis）中现有方法对非同源数据分布适应性差的问题展开研究。作者通过Hessian分析发现，主流模型的损失景观被大量鞍点和尖锐局部极小值主导，导致模型对数据分布偏移高度敏感，从而严重限制了泛化能
Threat Modelling using Domain-Adapted Language Models: Empirical Evaluation and Insights
本论文对领域自适应语言模型在结构化威胁建模任务中的有效性进行了系统性的实证评估。研究聚焦于5G安全场景，采用STRIDE威胁分类方法，共使用52种不同配置（涵盖8种语言模型）进行实验。核心变量包括：1）领域自适应（电信与网络安全领域）与否、
Medoid Prototype Alignment for Cross-Plant Unknown Attack Detection in Industrial Control Systems
本文针对工业控制系统（ICS）中跨工厂未知攻击检测的难题，提出了一种基于中值原型对齐（Medoid Prototype Alignment）的框架。在ICS环境中，不同工厂的网络流量高度依赖本地部署环境，标签稀缺，且部署后常常出现未知攻击，