Humains contre Machines dans la Classification des Malwares

Aperçu

Étude expérimentale comparant les approches humaines et automatiques pour la classification des logiciels malveillants, révélant des informations sur la hiérarchisation des caractéristiques et les processus de prise de décision pour les analystes novices et experts.

Programme

• Introduction au cours
Aperçu de la classification des malwares
Importance des approches humaines vs. machines
Objectifs du cours et résultats attendus
• Notions de base sur les malwares et techniques de classification
Types de malwares : virus, vers, chevaux de Troie, etc.
Introduction aux méthodes de classification des malwares
Approches manuelles pour la classification des malwares
• Analyse humaine des malwares
Priorisation des caractéristiques par les analystes humains
Processus de prise de décision chez les analystes novices vs. experts
Études de cas : succès et écueils dans l'analyse humaine
• Apprentissage automatique dans la classification des malwares
Aperçu des techniques d'apprentissage automatique
Sélection et extraction de caractéristiques en ML
Apprentissage supervisé vs. non supervisé pour les malwares
• Comparaison des approches humaines et machines
Points forts et faibles des analystes humains
Points forts et faibles des classifications machines
Études de cas : succès et limitations de l'apprentissage automatique
• Conception d'une étude expérimentale
Conception de recherche pour comparer humains et machines
Métriques pour l'évaluation et la comparaison
Méthodologies de collecte et d'analyse des données
• Aperçus et conclusions
Différences clés dans la priorisation des caractéristiques
Processus de prise de décision dans les machines vs. humains
Implications pour la recherche et la pratique futures
• Applications pratiques
Mise en œuvre des meilleures pratiques issues des analyses humaines et machines
Outils et technologies utilisés dans la classification des malwares
Intégration de l'expertise humaine avec l'efficacité des machines
• Considérations éthiques et de sécurité
Problèmes de confidentialité dans l'analyse des malwares
Utilisation éthique de l'apprentissage automatique dans la sécurité
Implications réelles et études de cas
• Conclusion et perspectives d'avenir
Résumé des principaux enseignements
Tendances futures dans la classification des malwares
Défis et opportunités en cours
• Clôture du cours
Séance de révision et Q&R
Projet final ou évaluation
Retours et réflexions sur le cours

Sujets

Conférences