Компьютерные науки > Криптография и безопасность [представлено 17 сентября 2026 года] Название: Delphi Scanner: эффективное и интерпретируемое обнаружение статических неисправностей при помощи последовательности моделей API View PDF HTML (экспериментальное) резюме: Статическое выявление некачественных программ для файлов Портабельного исполнения Windows требует тщательного баланса между эффективностью обнаружения, вычислительной эффективностью и аналитической интерпретациями. В настоящем документе представлена система обнаружения помех в системе Delphi Scanner для файлов Windows PE, которая уравновешивает эффективность с интерпретацией поведения. Она использует нервную сеть (СNN) для моделирования последовательности Windows API, чтобы классифицировать PE и разделённый слой интерпретации на основе нормативного слоя для классификации АПИ в высокоуровневые злонамеренные способности. По более чем 190 000 файлам Windows PE система достигает 95,35% точности с 1.53~MB модельным отпечатком. Эксперименты по обеспечению надежности на 5647 образцах, взятых вне системы распределения MalwareBazaar и спаренных в паре упаковочных и неупакованных исполнимых изделиях, а также три стратегии состязательных манипуляций подтверждают обобщение, выходящего за рамки учебной подготовки, и сопротивление методам уклонения от использования функций. В целом эти результаты свидетельствуют о том, что статический анализ на основе последовательности API обеспечивает практическую, интерпретируемую и…
Delphi Scanner: эффективное и интерпретируемое обнаружение статических неисправностей ПО с помощью последовательности моделирования API
arXiv:2609.19900v1 Тип уведомления: перекрестное резюме: для обнаружения статических неисправностей в файлах, подлежащих выполнению с помощью переносных программ Windows, требуется тщательное равновесие между эффективностью обнаружения, вычислительной эффективностью и интерпретируемостью аналитических данных. В настоящем документе представлена система обнаружения помех в системе Delphi Scanner для файлов Windows PE, которая уравновешивает эффективность с интерпретацией поведения. Она использует нервную сеть (СNN) для моделирования последовательности Windows API, чтобы классифицировать PE и разделённый слой интерпретации на основе нормативного слоя для классификации АПИ в высокоуровневые злонамеренные способности. По более чем 190 000 файлам Windows PE система достигает 95,35% точности с 1.53~MB модельным отпечатком. Эксперименты по обеспечению надежности на 5647 образцах, взятых вне системы распределения MalwareBazaar и спаренных в паре упаковочных и неупакованных исполнимых изделиях, а также три стратегии состязательных манипуляций подтверждают обобщение, выходящего за рамки учебной подготовки, и сопротивление методам уклонения от использования функций. В целом,
