KI und die schwierigen Probleme der Welt · Theoretische Informatik · Nature (computational biology) · 2026-10-16
Mehrstufige Zuordnung von Malware-Unterfamilien anhand von RGB-Bildern ausführbarer Dateien mit aufmerksamkeitserweitertem Deep Learning
Originaltitel: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
Die Malware-Analyse erfordert Entscheidungen auf mehreren Ebenen, von der Erkennung bis zur Zuordnung zu Familie und feingranularer Unterfamilie. Die Autoren schlagen ein hierarchisches Deep-Learning-Framework vor, das RGB-Bilder von Windows-PE-Dateien verarbeitet und Erkennung, Familienklassifizierung und die Zuordnung zu 33 Unterfamilien in einer Multi-Output-Architektur durchführt. Vier durch Attention erweiterte Transfer-Learning-Modelle erreichten 99 % Genauigkeit bei der binären Klassifizierung, 96–97 % auf Familienebene und 91–95 % auf Unterfamilienebene, mit Macro-F1-Werten von bis zu 0.89 bei der feingranularen Zuordnung.