arXiv cs.AI· Salma Aboelmagd, Md. Rakibul Ahasan, Zhixin Pan, Abdulrahman Takiddin, Ziyu Shu·· 3 天前AI 评分22
硬件辅助多阶段勒索软件检测：结合自适应机器学习
Hardware-Assisted Multi-Stage Ransomware Detection with Adaptive Machine Learning
AI 导读
研究者提出一种将软件层扫描与硬件层微处理器活动监控相结合的多阶段勒索软件检测框架，通过对抗训练强化静态分析抗混淆能力，并借助硬件辅助监控实现实时检测。该框架还引入神经架构搜索（NAS）自动定制模型以提升泛化性，实验显示检测精度显著提升、延迟降低，并提供可解释决策过程的追踪级可解释性。
正文 · AI 翻译
摘要：勒索软件是一种快速升级的隐私威胁，在全球范围内造成重大财务和数据损失。随着攻击手段日益复杂，传统的静态签名和动态行为分析难以防御。在本文中，我们提出了一种新颖的框架，将软件级扫描与硬件级微处理器活动监控相结合，以实现高效的勒索软件检测与缓解。本文的贡献有三方面：（1）我们采用对抗训练来强化静态分析以抵御混淆，并利用硬件辅助监控进行实时检测；（2）我们集成神经架构搜索（NAS）以自动定制模型，从而获得更强的泛化能力；（3）我们通过大量实验验证了所提出的方法，与现有方法相比，检测准确率显著提高，延迟降低。此外，它还提供了轨迹级的可解释性，能够解释潜在的决策过程。
| 评论： | 12 页，14 幅图 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.15951 [cs.CR] |
| （或 arXiv:2610.15951v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15951 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zhixin Pan [查看电子邮件]
[v1]
2026 年 10 月 11 日星期日 22:17:25 UTC（2,677 KB）
来源：arXiv cs.AI · arxiv.org