ИИ и сложнейшие проблемы мира · Теоретическая информатика · Nature (computational biology) · 2026-10-16
Многоуровневая атрибуция подсемейств вредоносного ПО по RGB-изображениям исполняемых файлов с помощью глубокого обучения с механизмами внимания
Оригинальное название: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
Анализ вредоносного ПО требует решений на нескольких уровнях — от обнаружения до определения семейства и детального подсемейства. Авторы предлагают иерархический фреймворк глубокого обучения, который принимает RGB-изображения файлов Windows PE и выполняет обнаружение, классификацию по семействам и определение 33 подсемейств в одной архитектуре с несколькими выходами. Четыре модели трансферного обучения с механизмом внимания достигли точности 99% при бинарной классификации, 96–97% на уровне семейств и 91–95% на уровне подсемейств, а макро-F1 для детальной атрибуции составил до 0,89.