11 Aplicación de transfer learning a la detección de malware
La detección de malware es un problema que ha adquirido una mayor importancia en los últimos años con el incremento en la distribución de archivos maliciosos. El uso de machine learning es una de las soluciones propuestas en la literatura por su capacidad de detectar nuevas muestras maliciosas respe...
| Autores: | , , |
|---|---|
| Tipo de recurso: | capítulo de libro |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universidad de Castilla-La Mancha |
| Repositorio: | RUIdeRA. Repositorio Institucional de la UCLM |
| OAI Identifier: | oai:ruidera.uclm.es:10578/28614 |
| Acceso en línea: | http://doi.org/10.18239/jornadas_2021.34.11 http://hdl.handle.net/10578/28614 |
| Access Level: | acceso abierto |
| Palabra clave: | Ciberseguridad transfer learning Machine Learning Detección de malware |
| Sumario: | La detección de malware es un problema que ha adquirido una mayor importancia en los últimos años con el incremento en la distribución de archivos maliciosos. El uso de machine learning es una de las soluciones propuestas en la literatura por su capacidad de detectar nuevas muestras maliciosas respecto a soluciones tradicionales como los antivirus. No obstante, el uso de machine learning en este ámbito se encuentra con problemas como el desbalanceo entre ficheros maliciosos y benignos y la necesidad de actualizar los modelos para hacer frente a nuevo malware, que dificulta la construcción de una solución eficaz. En este trabajo planteamos el uso de técnicas de transfer learning para intentar paliar estos problemas y llevamos a cabo una evaluación de diferentes algoritmos de transfer learning para determinar si permiten construir modelos que sean capaces de detectar malware en diferentes horizontes temporales aprovechando datos antiguos. |
|---|