利用AI+大数据的方式分析恶意样本（三十四）

西杭

已于 2022-03-14 17:05:37 修改

阅读量277

点赞数

分类专栏：基于AI的malware检测、识别文章标签：人工智能

于 2021-08-12 09:37:37 首次发布

本文链接：https://blog.csdn.net/AcSuccess/article/details/119634009

版权

基于AI的malware检测、识别专栏收录该内容

40 篇文章 74 订阅 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文提出DisCo，一种利用多个反汇编器集体能力的创新方法，通过集成共识提高恶意软件分析的准确性。研究显示DisCo在功能开始识别上的F1分数上超越单一最佳反汇编器17.8个百分点，并能反馈提升单个反汇编器的性能。此外，论文探讨了架构、编译器和优化选项对反汇编器性能的影响，并在Ghidra中发现并修复了一个bug。

摘要由CSDN通过智能技术生成

DisCo: Combining Disassemblers for Improved Performance

RAID 2021

开源：https://github.com/gsrishaila/DisCo-Combining-Disassemblers-for-Improved-Performance/tree/main/SourceCode

abstract

Malware infects thousands of systems globally each day causing millions of dollars in damages.

Which disassembler should a maliware analyst choose in order to get the most accurate disassembly and be able to detect, analyze and defuse malware quickly?

There is no clear answer to this question: (a) the performance of disassemblers varies across configurations, and (b) most prior work on disassemblers focuses on benign software an