DawnGNN: Documentation augmented windows malware detection using graph neural network

计算机科学 恶意软件 文档 应用程序编程接口 恶意软件分析 图形 人工智能 操作系统 理论计算机科学
作者
Pengbin Feng,Le Gai,Li Yang,Qin Wang,Teng Li,Ning Xi,Jianfeng Ma
出处
期刊:Computers & Security [Elsevier]
卷期号:140: 103788-103788 被引量:2
标识
DOI:10.1016/j.cose.2024.103788
摘要

Application Program Interface (API) calls are widely used in dynamic Windows malware analysis to characterize the run-time behavior of malware. Researchers have proposed various approaches to mine semantic information from API calls to improve the performance of malware analysis. However, with increasingly sophisticated malware, the exploration of new semantic dimensions for API calls is never-ending. In this paper, we find that the official Windows API documentation is an unexplored information source in malware detection. Therefore, we propose a novel documentation-augmented Windows malware detection framework DawnGNN using the pre-trained semantic enhanced mechanism and graph neural network. First, it converts the API sequences into API graphs for further contextual information extraction. Next, we crawl API documentation from the official website and employ the pre-trained Bidirectional Encoder Representations from Transformers (BERT) model to encode functionality descriptions as API embeddings. Finally, it feeds the API graphs with API node attributes into the Graph Attention Network (GAT) classifier to perform Windows malware detection. Moreover, we verify the effectiveness of DawnGNN on three public datasets. Experimental results demonstrate the effectiveness of DawnGNN. Semantic information from the official API documentation is promising in the Windows malware detection domain.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
高高的罡完成签到,获得积分10
刚刚
刚刚
捏捏我的小短腿完成签到,获得积分10
1秒前
JJ发布了新的文献求助10
1秒前
2秒前
mz完成签到 ,获得积分10
2秒前
aaaaaab应助365采纳,获得10
2秒前
冬虫夏草发布了新的文献求助10
2秒前
Hrx完成签到,获得积分10
2秒前
3秒前
微笑发布了新的文献求助10
3秒前
oilmelech完成签到,获得积分10
3秒前
3秒前
彭于晏应助s1kl采纳,获得10
3秒前
4秒前
4秒前
xjcy应助hoozhwen采纳,获得10
4秒前
Mingjun完成签到 ,获得积分10
4秒前
科研通AI2S应助battle王采纳,获得10
4秒前
redamancy完成签到 ,获得积分10
4秒前
完美世界应助lucyliu采纳,获得10
4秒前
5秒前
5秒前
小马甲应助hy123123采纳,获得30
5秒前
大气新烟完成签到 ,获得积分10
6秒前
nemo711完成签到,获得积分10
6秒前
宋海洋发布了新的文献求助10
6秒前
哔哔鱼完成签到,获得积分10
7秒前
cc完成签到,获得积分10
7秒前
afterall完成签到 ,获得积分10
8秒前
gyhh发布了新的文献求助10
8秒前
Ava应助sss采纳,获得10
8秒前
荼蘼发布了新的文献求助10
8秒前
8秒前
切奇莉亚完成签到,获得积分10
9秒前
Iamrobot完成签到,获得积分10
10秒前
李健的小迷弟应助李依伊采纳,获得10
10秒前
zsy发布了新的文献求助10
11秒前
碧蓝的硬币完成签到,获得积分10
11秒前
11秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 850
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3249411
求助须知:如何正确求助?哪些是违规求助? 2892704
关于积分的说明 8273386
捐赠科研通 2560931
什么是DOI,文献DOI怎么找? 1389354
科研通“疑难数据库(出版商)”最低求助积分说明 651164
邀请新用户注册赠送积分活动 627958