A Hybrid Approach to Malware Detection: Integrating Few-Shot Model-Agnostic Meta-Learning with Autoencoders

arXiv cs.CR · 2 oct, 06:00

Investigadores proponen un marco de aprendizaje profundo híbrido que combina un autoencoder con Model Agnostic Meta-Learning (MAML) para detectar ransomware con pocos ejemplos de entrenamiento. El sistema integra extracción de características por autoencoder con un clasificador MAML que se adapta rápidamente a nuevas amenazas utilizando datos etiquetados limitados, demostrando alta precisión en experimentos con el Ransomware Dataset 2024.