深層学習と相関に基づく特徴選択を用いたマルウェア検出

マルウェアは最も頻繁に発生するサイバー攻撃の一つであり、その蔓延はネットワーク全体で毎日増加しています。マルウェアトラフィックは、常に対称的な良性トラフィックと比較して、常に非対称的です。幸いなことに、マルウェアを検出し、正常な活動と区別するために使用できる多くの人工知能技術があります。しかし、大規模で高次元のデータを扱う問題は十分に解決されていません。本論文では、深層学習と特徴選択手法を用いた高性能なマルウェア検出システムを紹介します。マルウェアを検出し、良性活動と区別するために、2つの異なるマルウェアデータセットが使用されます。データセットは前処理され、その後、相関に基づく特徴選択が適用されて、異なる特徴選択データセットが生成されます。次に、密なLSTMベースの深層学習モデルがこれらの異なる特徴選択データセットのバージョンを使用して訓練されます。訓練されたモデルは、その後、多くのパフォーマンス指標（精度、適合率、再現率、F1スコア）を使用して評価されます。結果は、いくつかの特徴選択シナリオが元のデータセット性能をほぼ同じように保持することを示しています。使用されたデータセットの異なる性質は、異なるレベルの性能変化を示します。最初のデータセットでは、特徴削減比率は18.18%から42.42%の範囲で、性能の劣化はそれぞれ0.07%から5.84%です。二番目のデータセットの削減率は81.77%から93.5%の範囲で、性能の劣化はそれぞれ3.79%と9.44%です。