基于LLM的针对安卓恶意软件检测器的特征级对抗攻击
发布:2025年12月24日 19:56
•1分で読める
•ArXiv
分析
这项研究探讨了安卓恶意软件检测器对大型语言模型(LLM)生成的对抗性攻击的脆弱性。 这项研究强调了一个令人担忧的趋势,即利用复杂的 AI 模型来破坏现有系统的安全性。
引用
“这项研究侧重于 LLM 驱动的特征级对抗攻击。”
关于malware的新闻、研究和更新。由AI引擎自动整理。
“这项研究侧重于 LLM 驱动的特征级对抗攻击。”
“pokiSEC 是一个多架构、容器化、短暂的恶意软件引爆沙箱。”
“该研究侧重于Windows PE恶意软件分类。”
“MAD-OOD 是一个基于深度学习集群驱动的、用于域外恶意软件检测和分类的框架。”
“这篇文章的背景侧重于用于恶意软件和日志行为检测的基于融合的AISOC。”
“UIXPOSE 使用意图-行为差异分析进行移动恶意软件检测。”
“该研究侧重于使用基于污点代码切片检测恶意NPM软件包。”
“该研究侧重于使用K-均值进行基于哈希的恶意软件聚类。”