AI 與世界的難題 · 理論資訊科學 · Nature (computational biology) · 2026-10-16
運用注意力增強深度學習，從 RGB 可執行檔影像進行多層次惡意軟體子家族歸屬判定
原標題: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
惡意程式分析需要在多個層級上做出判斷，從偵測到惡意程式家族，乃至細粒度的子家族歸屬。作者提出一套階層式深度學習架構，以 Windows PE 檔案的 RGB 影像為輸入，在單一多輸出架構中執行偵測、家族分類及 33 個子家族的歸屬判定。四個加入注意力機制的遷移學習模型，二元分類準確率達 99%，家族層級為 96–97%，子家族層級為 91–95%，細粒度歸屬的 macro F1 分數最高達 0.89。