混淆恶意软件检测：通过内存分析研究真实场景

原文约300字，阅读约需1分钟。发表于：。

本研究通过内存转储分析，利用多样的机器学习算法提出了一种简单且具有成本效益的混淆恶意软件检测系统。通过评估决策树、集成方法和神经网络等多种机器学习算法在内存转储中检测混淆恶意软件的效果，研究涵盖了多个恶意软件类别，为增强网络安全并抵御不断演变和复杂化的恶意软件威胁提供了新的洞见。

嵌入式计算系统的关键安全威胁之一是恶意软件。近期，机器学习广泛应用于恶意软件检测，引入了基于代码感知的数据生成技术，以解决训练样本不足的问题。该技术能以90%的准确率检测有限见过的恶意软件。