Erlernen des PE-Headers, Malware-Erkennung mit minimalem Fachwissen

Es wurden zahlreiche Anstrengungen unternommen, um verschiedene Formen von Fachwissen in der Malware-Erkennung zu nutzen. Derzeit gibt es zwei gängige Ansätze zur Malware-Erkennung ohne Fachwissen, nämlich Byte-n-Gramme und Strings. In dieser Arbeit untersuchen wir die Machbarkeit der Anwendung von neuronalen Netzwerken zur Malware-Erkennung und Merkmalslernen. Wir tun dies, indem wir uns auf ein minimales Maß an Fachwissen beschränken, um einen Teil des Portable Executable (PE)-Headers zu extrahieren. Damit zeigen wir, dass neuronale Netzwerke aus Rohbytes lernen können, ohne explizite Merkmalskonstruktion, und sogar besser abschneiden als ein Fachwissenansatz, der den PE-Header in explizite Merkmale parst.