MeLeMaD：メタ学習による適応型マルウェア検出

本論文は、メタ学習とチャンクごとの特徴選択技術を組み合わせた、マルウェア検出のための新しいフレームワークであるMeLeMaDを紹介しています。メタ学習の使用により、モデルは進化する脅威に適応でき、特徴選択手法は大規模で高次元のマルウェアデータセットの課題に対処します。本論文の強みは、複数のデータセットで実証されたパフォーマンスであり、最先端のアプローチを上回っています。これは、サイバーセキュリティ分野への重要な貢献です。

• •MeLeMaDは、メタ学習を使用したマルウェア検出のための新しいフレームワークです。
• •大規模データセットを効率的に処理するために、勾配ブースティングに基づくチャンクごとの特徴選択（CFSGB）を組み込んでいます。
• •MeLeMaDは、複数のベンチマークデータセットで最先端の方法を上回っています。
• •このアプローチは、マルウェア検出における堅牢性、適応性、および大規模データセットの課題に対処します。