arXiv cs.AI· Abdelrahman Yassin Eljamal, Abdeltawab Hendawi·· 3 天前AI 评分22
MalwareFormer：基于字节序列 Transformer 的恶意软件检测框架
Bytes to Threats: Byte-Sequence Transformer For Malware Detection
AI 导读
论文提出 MalwareFormer，一个基于 Transformer 的字节级恶意软件检测框架，直接处理原始字节，无需领域知识或特征提取，准确率 98.35%、平衡准确率 98.32%、macro-F1 98.32%、假阳性率 1.94%，在所有阈值相关分类指标上均优于基线。
正文 · AI 翻译
摘要：现有的恶意软件检测方法严重依赖从可执行文件的静态或动态分析中手工提取的特征。这些方法需要专业的领域知识、专用的分析工具以及耗时的分析过程，这限制了它们在面对日益复杂多样的现代恶意软件时的可扩展性和鲁棒性。因此，人们越来越关注直接处理原始字节的方法，因为原始字节包含丰富的语义和结构信息。然而，对于传统的静态方法和基于 CNN 的方法而言，捕获可执行文件中的长距离依赖关系仍然具有挑战性。本文提出了 MalwareFormer，一个基于 transformer 的字节级恶意软件检测框架，它直接处理原始字节，无需领域知识或特征提取。MalwareFormer 达到了 98.35% 的准确率、98.32% 的平衡准确率、98.32% 的宏 F1 值以及 1.94% 的假阳性率，在所有依赖阈值的分类指标上均优于两个基线，表明 transformer 为字节级恶意软件检测提供了一种强大且可扩展的方法。
| 评论： | 7 页，4 幅图。已被 IEEE ICAD 2026 接收并发表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18787 [cs.CR] |
| （或 arXiv:2610.18787v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18787 arXiv 颁发的 DOI，通过 DataCite（待注册） |
|
| 期刊 参考： | 2026 IEEE 国际人工智能与数据分析会议（ICAD），美国马萨诸塞州波士顿，2026 年，第 1-7 页 |
| 相关 DOI： | https://doi.org/10.1109/ICAD69378.2026.11608884
链接到相关资源的 DOI |
提交历史
来自：Abdelrahman Eljamal [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 17:37:17 UTC（532 KB）
来源：arXiv cs.AI · arxiv.org