A New Method for Inferring Ground-Truth Labels and Malware Detector Effectiveness Metrics
A New Method for Inferring Ground-Truth Labels and Malware Detector Effectiveness Metrics
复制标题
推断真实标签和恶意软件检测器有效性指标的新方法
DOI：
10.1007/978-3-030-89137-4_6
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Xu, S.
中科院分区：
文献类型：
--
作者：
Charlton, J.;Du, P.;Xu, S.
在恶意软件检测中，获取文件的真实标签通常很困难或成本高昂；因此，恶意软件检测器的有效性指标（例如误报率和漏报率）很难衡量。真实标签的不可用也阻碍了基于机器学习的恶意软件检测器的训练。研究人员和从业者经常遇到这些问题，迫使他们毫无理由地使用各种启发法。因此，寻求原则性方法已成为一个重要的开放问题。在本文中，我们提出了解决该问题的原则方法。
In the context of malware detection, ground-truth labels of files are often difficult or costly to obtain; as a consequence, malware detector effectiveness metrics (e.g., false-positive and false-negative rates) are hard to measure. The unavailability of ground-truth labels also hinder the training of machine learning based malware detectors. These issues are often encountered by researchers and practitioners and force them to use various heuristics without justification. Therefore, seeking principled methods has become an important open problem. In this paper, we present a principled method for tackling the problem.
登录
查看更多内容
DOI：
10.14722/ndss.2014.23057
发表时间：
2014
期刊：
2008 3rd International Conference on Malicious and Unwanted Software (MALWARE)
影响因子：
--
作者：
Jing Zhang;Zakir Durumeric;Michael Bailey;M. Liu;M. Karir
通讯作者：
M. Karir
DOI：
--
发表时间：
2013
期刊：
Journal of computing and security
影响因子：
--
作者：
J. Homer;Su Zhang;Xinming Ou;David A. Schmidt;Yanhui Du;S. R. Rajagopalan;A. Singhal;Abilene Christian University
通讯作者：
Abilene Christian University
网络安全指标
DOI：
10.1007/978-3-319-66505-4
发表时间：
2017
期刊：
Proceedings of the 5th Annual Symposium and Bootcamp on Hot Topics in the Science of Security
影响因子：
--
作者：
Lingyu Wang;S. Jajodia;A. Singhal
通讯作者：
A. Singhal
DOI：
10.1007/978-3-319-66505-4_7
发表时间：
2017
期刊：
2015 12th International Iranian Society of Cryptology Conference on Information Security and Cryptology (ISCISC)
影响因子：
--
作者：
S. Noel;S. Jajodia
通讯作者：
S. Jajodia