Počet záznamů: 1
Deep networks in online malware detection
- 1.
SYSNO ASEP 0512092 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Deep networks in online malware detection Tvůrce(i) Tumpach, J. (CZ)
Krčál, M. (CZ)
Holeňa, Martin (UIVT-O) SAI, RIDZdroj.dok. ITAT 2019: Information Technologies – Applications and Theory. - Aachen : Technical University & CreateSpace Independent Publishing, 2019 / Barančíková P. ; Holeňa M. ; Horváth T. ; Pleva M. ; Rosa R. - ISSN 1613-0073 Rozsah stran s. 90-98 Poč.str. 9 s. Forma vydání Online - E Akce ITAT 2019: Conference Information Technologies - Applications and Theory /19./ Datum konání 20.09.2019 - 24.09.2019 Místo konání Donovaly Země SK - Slovensko Typ akce EUR Jazyk dok. eng - angličtina Země vyd. DE - Německo Klíč. slova artificial neural networks ; multilayer perceptrons ; deep networks ; semi-supervised learning ; malware detection Vědní obor RIV IN - Informatika Obor OECD Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8) CEP GA18-18080S GA ČR - Grantová agentura ČR Institucionální podpora UIVT-O - RVO:67985807 EID SCOPUS 85074089475 Anotace Deep learning is usually applied to static datasets. If used for classification based on data streams, it is not easy to take into account a non-stationarity. This paper presents work in progress on a new method for online deep classification learning in data streams with slow or moderate drift, highly relevant for the application domain of malware detection. The method uses a combination of multilayer perceptron and variational autoencoder to achieve constant memory consumption by encoding past data to a generative model. This can make online learning of neural networks more accessible for independent adaptive systems with limited memory. First results for real-world malware stream data are presented. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2020 Elektronická adresa http://ceur-ws.org/Vol-2473/paper7.pdf
Počet záznamů: 1