اکسپرس 24
ترجمه فارسی مقاله PromptSAM+: تشخیص بدافزار بر اساس مدل Prompt Segment Anything

ترجمه فارسی مقاله PromptSAM+: تشخیص بدافزار بر اساس مدل Prompt Segment Anything

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی PromptSAM+: Malware Detection based on Prompt Segment Anything Model
عنوان مقاله به فارسی PromptSAM+: تشخیص بدافزار بر اساس مدل Prompt Segment Anything
نویسندگان Xingyuan Wei, Yichen Liu, Ce Li, Ning Li, Degang Sun, Yan Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
دسته بندی موضوعات Cryptography and Security,رمزنگاری و امنیت ,
توضیحات Submitted 4 August, 2024; originally announced August 2024. , Comments: 13pages, 10figures , MSC Class: F.2.2; I.2.7 ACM Class: F.2.2; I.2.7
توضیحات به فارسی ارسال شده در 4 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 13 صفحه ، 10 شکل ، کلاس MSC: F.2.2 ؛I.2.7 کلاس ACM: F.2.2 ؛i.2.7

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 520,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Machine learning and deep learning (ML/DL) have been extensively applied in malware detection, and some existing methods demonstrate robust performance. However, several issues persist in the field of malware detection: (1) Existing work often overemphasizes accuracy at the expense of practicality, rarely considering false positive and false negative rates as important metrics. (2) Considering the evolution of malware, the performance of classifiers significantly declines over time, greatly reducing the practicality of malware detectors. (3) Prior ML/DL-based efforts heavily rely on ample labeled data for model training, largely dependent on feature engineering or domain knowledge to build feature databases, making them vulnerable if correct labels are scarce. With the development of computer vision, vision-based malware detection technology has also rapidly evolved. In this paper, we propose a visual malware general enhancement classification framework, `PromptSAM+', based on a large visual network segmentation model, the Prompt Segment Anything Model(named PromptSAM+). Our experimental results indicate that 'PromptSAM+' is effective and efficient in malware detection and classification, achieving high accuracy and low rates of false positives and negatives. The proposed method outperforms the most advanced image-based malware detection technologies on several datasets. 'PromptSAM+' can mitigate aging in existing image-based malware classifiers, reducing the considerable manpower needed for labeling new malware samples through active learning. We conducted experiments on datasets for both Windows and Android platforms, achieving favorable outcomes. Additionally, our ablation experiments on several datasets demonstrate that our model identifies effective modules within the large visual network.

چکیده به فارسی (ترجمه ماشینی)

یادگیری ماشین و یادگیری عمیق (ML/DL) به طور گسترده در تشخیص بدافزار اعمال شده است ، و برخی از روش های موجود عملکرد قوی را نشان می دهد.با این حال ، چندین مسئله در زمینه تشخیص بدافزار ادامه دارد: (1) کار موجود اغلب بر دقت با هزینه عملی تأکید می کند ، به ندرت نرخ منفی مثبت و کاذب را به عنوان معیارهای مهم در نظر می گیرد.(2) با توجه به تکامل بدافزار ، عملکرد طبقه بندی کننده ها به مرور زمان کاهش می یابد ، و باعث می شود عملی بودن ردیاب های بدافزار بسیار کاهش یابد.(3) تلاش های مبتنی بر ML/DL قبلی به شدت به داده های دارای برچسب کافی برای آموزش مدل متکی است ، تا حد زیادی به مهندسی ویژگی یا دانش دامنه برای ساخت پایگاه داده های ویژگی وابسته است و در صورت کمبود برچسب های صحیح ، آنها را آسیب پذیر می کند.با توسعه بینایی رایانه ، فناوری تشخیص بدافزار مبتنی بر بینایی نیز به سرعت تکامل یافته است.در این مقاله ، ما یک چارچوب طبقه بندی تقویت کننده عمومی بدافزار بصری ، "Promptsam+" را بر اساس یک مدل تقسیم بندی بزرگ شبکه بصری ، مدل سریع هر چیز (به نام PromptSam+) پیشنهاد می کنیم.نتایج تجربی ما نشان می دهد که "Prictionsam+" در تشخیص و طبقه بندی بدافزار ، دستیابی به دقت بالا و نرخ پایین مثبت و منفی کاذب مؤثر و کارآمد است.این روش پیشنهادی از پیشرفته ترین فن آوری های تشخیص بدافزار مبتنی بر تصویر در چندین مجموعه داده استفاده می کند."PromptSam+" می تواند پیری را در طبقه بندی کننده های بدافزار موجود در تصویر کاهش دهد و نیروی انسانی قابل توجهی را برای برچسب زدن نمونه های بدافزار جدید از طریق یادگیری فعال کاهش دهد.ما آزمایشاتی را در مجموعه داده ها برای سیستم عامل های ویندوز و Android انجام دادیم و به نتایج مطلوب رسیدیم.علاوه بر این ، آزمایش های فرسایش ما در چندین مجموعه داده نشان می دهد که مدل ما ماژول های مؤثر را در شبکه بصری بزرگ مشخص می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.