BriefGPT - AI 论文速递
·
基于工具的恶意软件动态分析：利用 GPT-4
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种使用GPT-4进行提示工程辅助的恶意软件动态分析方法，通过为每个API调用创建说明性文本并利用BERT获取文本表示，从而获得API序列的表示。设计了一种基于CNN的检测模型，在五个基准数据集上验证了其性能优于TextCNN。在跨数据库实验和少样本学习实验中，该模型表现出良好的检测性能，并几乎达到100％的恶意软件召回率，证实了其卓越的泛化性能。
🎯
关键要点
- 本文介绍了一种使用GPT-4进行提示工程辅助的恶意软件动态分析方法。
- 为每个API调用创建说明性文本，利用BERT获取文本表示。
- 该方法能够生成所有API调用的表示，无需在生成过程中进行数据集训练。
- 设计了一种基于CNN的检测模型，性能优于TextCNN。
- 在五个基准数据集上验证了该模型的性能。
- 模型在跨数据库实验和少样本学习实验中表现出良好的检测性能。
- 模型几乎达到100%的恶意软件召回率，证实了其卓越的泛化性能。
➡️
