AI dan Masalah-Masalah Sulit Dunia · Ilmu komputer teoretis · Nature (computational biology) · 2026-10-16
Atribusi subfamili malware multi-tingkat dari citra RGB berkas eksekusi menggunakan pembelajaran mendalam yang diperkuat atensi
Judul asli: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
Analisis malware memerlukan keputusan di beberapa tingkat, mulai dari deteksi hingga atribusi famili dan subfamili yang terperinci. Para penulis mengusulkan kerangka kerja deep learning hierarkis yang menggunakan gambar RGB dari file Windows PE dan melakukan deteksi, klasifikasi famili, serta atribusi 33 subfamili dalam satu arsitektur multi-output. Empat model transfer learning dengan tambahan atensi mencapai akurasi 99% untuk biner, 96–97% pada tingkat famili, dan 91–95% pada tingkat subfamili, dengan skor macro F1 hingga 0,89 untuk atribusi terperinci.