Steganography between Silence Intervals of Audio in Video Content Using Chaotic Maps
隐写术是一种隐藏数据的艺术，其隐藏方式是在流量模式分析下无法检测到，并且隐藏的数据仅为接收方和发送方所知。本文提出了一种新的视频文件中音频静音区间的文本隐写方法。在所提出的方法中，首先从视频中提取音频信号。在音频增强之后，使用新的技术对音频信号上的数据进行隐写，然后将音频信号重新写入视频文件。http://www.learnrnd.com/All_latest_research_findings.php为了提高安全级别，我们对任意文本应用混沌映射.此外，本文的算法，给出了一种技术，即不可检测的隐写文本和覆盖文本具有相同的概率分布，没有统计测试可以检测隐藏消息的存在。http://www.learnrnd.com/detail.php? id=Biohack_Eyes_through_Chlorin_e6_eye_drop_：Stanford_University_Research此外，隐藏消息完全不会影响视频文件的传输速率。
2016-10-14 cs.CR cs.MM
PDF Steganography based on Chinese Remainder Theorem
我们提出了不同的方法，基于PDF文件的隐写，基本上是基于中国剩余定理。在这里，一个封面PDF文档已经从不必要的A0释放后，一个秘密消息是隐藏在它使用的方法之一，使其不可见的共同PDF阅读器，然后通过非安全的通信信道传输文件。其中我们的每一种方法，都要保证插入的A0的个数小于秘密消息s的字符数。
2015-06-03 cs.CR
A Two Intermediates Audio Steganography Technique
随着互联网的兴起，数字数据变得公开，这促使IT行业特别考虑数据的机密性。目前，主要使用两种技术：密码学和隐写术。实际上，密码学将秘密消息篡改成无意义的形式;而隐写术通过将其嵌入到诸如计算机文件之类的中间体中来隐藏消息的存在。事实上，在音频隐写术中，这种计算机文件是一种数字音频文件，其中秘密数据主要隐藏在构成其音频样本的比特中。本文提出了一种新的隐写技术隐藏数字数据到未压缩的音频文件使用随机算法和上下文无关文法加上一个词汇。此外，所提出的技术使用两个中间体在通信方之间传输秘密数据：第一中间体是音频文件，其随机选择的音频样本用于隐藏秘密数据;而第二中间体是语法正确的英文文本，其在运行时使用上下文无关文法生成，并且其对音频文件中的随机音频样本的位置进行编码。所提出的技术是隐形的和不可恢复的，在某种意义上说，它是难以为未经授权的第三方检测到的存在和恢复的秘密数据。进行的实验显示了如何覆盖和所提出的技术的工作过程中的揭露。作为未来的工作，语义分析器是要开发，使中间文本不仅语法正确，而且语义合理。
2012-12-10 cs.CR
Hiding Secret Information in Movie Clip: A Steganographic Approach
建立隐蔽通信是一个重要的讨论主题，随着互联网的发展，它变得越来越重要。隐写术是建立隐蔽通信的关键方法之一。现代隐写术主要处理隐藏信息的文件，如图像，文本，html，二进制文件等，这些文件包含小的无关信息，可以替代小的秘密数据。要存储高容量的秘密数据，这些载体文件不是很支持。为了克服大容量秘密数据的存储与最大的安全屏障的问题，我们提出了一种新的方法来隐藏大量的数据与高级别的安全墙，通过使用电影剪辑作为载体文件。
2011-03-04 cs.CR cs.MM
Favicon Trojans: Executable Steganography Via Ico Alpha Channel Exploitation
本文提出利用ICO图像alpha通道LSB隐写JavaScript载荷的新型攻击方法，在浏览器加载favicon时隐蔽执行，构建无需额外请求的两阶段隐蔽通道，揭示了静态图像与可执行内容边界的模糊性及现有防御局限。
2025-07-11 cs.CR
Steganography Algorithm to Hide Secret Message inside an Image
提出了一种利用隐写技术在图像中隐藏信息的新算法。该算法使用二进制代码和图像内部的像素。压缩文件在转换为二进制代码之前使用，以最大限度地存储图像中的数据。应用该算法，开发了一个隐写成像系统（SIS）。然后对该系统进行测试，看看所提出的算法的可行性。各种大小的数据存储在图像中，并且还为每个测试图像捕获PSNR（峰值信噪比）。根据每幅图像的PSNR值，隐写图像具有较高的PSNR值。因此，这种新的隐写算法是非常有效的隐藏图像内的数据。
2011-12-13 cs.CR cs.MM
Experimenting with the Novel Approaches in Text Steganography
众所周知，隐写算法采用图像、音频、视频或文本文件作为介质，以确保多个竞争者之间的隐藏信息交换，以保护数据免受窥探。然而，与其他目标媒体相比，使用文本作为目标媒体相对困难，因为文本文件中缺乏可用的冗余信息。在本文中，在流行的基于文本的隐写方法的局限性的背景下，我们提出了简单的，但新颖的方法，克服了相同的。我们的方法是基于结合的随机字符序列和特征编码的方法来隐藏一个字符。我们还分析评估的方法的基础上的指标，即隐藏强度，时间开销和内存开销。与其他方法相比，我们相信所提出的方法赋予更高的随机性，从而以更低的开销提供更高的安全性。
2012-03-16 cs.CR cs.MM
StegoHound: A Novel Multi-Approaches Method for Efficient and Effective Identification and Extraction of Digital Evidence Masked by Steganographic Techniques in WAV and MP3 Files
针对 WAV/MP3 音频中隐写与加密隐藏证据难提取的问题，提出 StegoHound 多方法自动化框架，关联原始工件、实时分析与传统检测技术，提升大型文件取证的覆盖率、准确性并降低假阴性。
2023-12-10 cs.CR cs.MM
A Text Steganography Method Using Pangram and Image Mediums
隐写术是一门艺术和科学，它以一种除了发送者和接收者之外没有人会意识到秘密通信正在发生的方式来编写隐藏的信息。与加密术不同的是，隐写术只是将秘密数据加扰，使其保持公开，隐写术将秘密数据覆盖到诸如图像文件之类的介质文件中，并在完全保密的情况下传输它们，从而避免引起窃听者的怀疑。然而，考虑到公共信道被窃听者监视，它容易受到隐写攻击，即随机尝试破坏介质文件并从中恢复秘密数据。这通常是真的，因为隐写分析师假设秘密数据被编码到单个介质文件中，而不是多个相互补充的介质文件中。本文提出了一种文本隐写方法隐藏秘密的文本数据使用两种介质：一个Pangram句子包含所有字符的字母表，和一个未压缩的图像文件。该算法试图将秘密消息的每个字符搜索到Pangram文本中。搜索从一个称为seed的随机索引开始，并在第一次出现的被搜索字符的索引上结束。结果，获得两个索引，种子索引和偏移索引。它们一起嵌入到图像介质颜色通道的三个LSB中。最终，两种媒介主要是盘古和图像被发送到接收器。所提出的方法的优点是，它使得隐藏的数据很难被未经授权的各方恢复，因为它使用两个介质，而不是一个，提供秘密数据。通过实验，举例说明了如何使用Pangram和图像媒体对秘密文本消息进行编码和解码。
2012-12-12 cs.CR
Using Facebook for Image Steganography
因为Facebook可以在世界各地数以亿计的桌面和移动计算平台上使用，并且因为它可以在许多不同类型的平台上使用（从运行Windows、Unix或OS X的台式机和笔记本电脑到运行iOS、Android或Windows Phone的手持设备），它似乎是进行隐写术的完美场所。在Facebook上，隐藏在图像文件中的信息将在每天发布和传输的数百万张图片和其他图像中进一步模糊。众所周知，Facebook会修改和压缩上传的图像，以便在Facebook页面上显示时使用最小的空间和带宽。压缩过程通常会破坏使用Facebook进行图像隐写的尝试。本文探讨了一种方法，以尽量减少干扰，使JPEG图像可以作为载体的Facebook上的隐写。
2015-06-05 cs.CR cs.MM
Hiding Data in Images Using Cryptography and Deep Neural Network
隐写术是一种在另一个类似或不同类型的文件中隐藏数据的艺术。隐藏数据一直是数字取证的重要组成部分。以前，隐写术已经分别与密码学和神经网络结合。而本研究将隐写术、密码学与神经网络结合起来，将一幅图像隐藏在另一幅尺寸较大或相同的容器图像中。虽然使用的加密技术非常简单，但与深度神经网络进行卷积时是有效的。其他隐写术技术涉及有效地隐藏数据，但以统一的模式，这使得它不太安全。该方法既解决了这些问题，又使数据隐藏具有安全性和非均匀性。
2020-01-01 cs.CR cs.MM
An Approach for Message Hiding using Substitution Techniques and Audio Hiding in Steganography
密码系统可用于加密在通信双方之间发送的消息，使得无意中听到加密消息的窃听者将无法解码它们。本文主要研究了在24位位图文件中利用隐写术中的替换技术隐藏数据的方法。本文还讨论了目前流行的基于隐写术的音频隐藏技术。
2011-09-22 cs.CR
Open Image Content Disarm And Reconstruction
Ariel University（阿里埃勒大学）
本文提出一种新颖的图像内容解除与重建（ICDR）系统，采用零信任方法，通过提取图像数据、分离文件并处理图像像素，在保持高图像质量的同时禁用或移除隐藏在图像文件中的恶意软件。
2023-07-26 cs.AI cs.CR
Static analysis of executable files by machine learning methods
Group-IB；Bauman Moscow State Technical University（鲍曼莫斯科国立技术大学）
本文介绍了如何检测恶意可执行文件的基础上静态分析的二进制内容。分析了从可执行文件的不同区域提取数据的预处理和清洗阶段。被认为是编码的可执行文件的分类属性的方法，是如何减少特征字段的尺寸和选择特征，以有效地表示样本的二进制可执行文件，进一步训练分类器。一个集成的训练方法，以聚合从每个分类器的预测，并创建了一个集成的分类器的各种功能组的可执行文件属性，以便随后开发一个系统，用于检测恶意文件在一个非绝缘的环境。
2020-07-15 cs.CR cs.LG stat.ML
Steganography and Steganalysis: Different Approaches
隐写术是在任何媒体中隐藏机密信息的技术。隐写术经常与密码学混淆，因为两者在保护机密信息的方式上相似。两者之间的区别在于处理后的输出的外观;隐写操作的输出是不可见的，但在密码学中，输出被置乱，以便引起注意。隐写解密是检测隐写术存在的过程。在这篇文章中，我们试图阐明不同的方法来实现隐写使用“多媒体”文件（文本，静态图像，音频和视频）和网络IP数据报作为封面。同时也讨论了隐写分析的一些方法。
2011-11-16 cs.CR
Review and Test of Steganography Techniques
隐写术是一种将秘密信息隐藏在适当的多媒体载体（如图像、音频、视频文件甚至网络数据包）中的技术。隐写术技术自古以来就被用来向被认为是敌人的第三方隐藏信息。一方面，隐写术是一种有用的技术，已经应用在各种有用的应用中。然而，另一方面，同样的技术被恶意的人用于错误的目的。近年来，随着计算能力的提高和安全意识的增强，隐写术在计算安全技术中的应用得到了迅速发展。隐写术具有鲁棒性好、不可检测性强、隐藏容量大等优点，已成为继水印技术和密码技术之后的又一重要的信息隐藏技术。本文通过使用各种潜在的工具、方法和原理来应用或检测隐写技术，阐明了隐写在不同多媒体载体上的应用。
2020-12-15 cs.CR
LSB Steganography Using Pixel Locator Sequence with AES
图像隐写术是将数据隐藏到图像中的艺术。秘密数据，如消息，音频，图像可以隐藏在封面图像中。这主要通过将数据隐藏到图像像素的LSB（最低有效位）中来实现。为了提高隐写术的安全性，本文研究了基于AES（Advanced Encryption Standard）的数据加密和基于LSB的数据隐藏技术，该技术采用用户自定义的加密数据像素分布，而不是通常的线性计算方法，即以线性形式存储数据。该数据分布文件将包含要加密/解密的数据的位置（以像素编号的形式），该位置用AES进一步加密，从而为存储在像素上的数据及其位置提供双重加密。隐写术在医学、军事、版权信息等方面有着广泛的应用。
2020-12-04 cs.CR
Image Steganography, a New Approach for Transferring Security Information
隐写术是通过将信息隐藏在其他信息中来隐藏通信正在发生的事实的艺术。可以使用许多不同的载体文件格式，但数字图像是最流行的，因为它们在互联网上的频率。为了在图像中隐藏秘密信息，存在着各种各样的隐写技术，它们都有各自的优缺点。不同的应用对隐写技术有不同的要求。例如，一些应用可能需要秘密信息的绝对不可见性，而其他应用则需要隐藏更大的秘密消息。本文综述了图像隐写术的研究现状、应用和技术。它还试图确定一个好的隐写算法的要求，并简要地反映了隐写技术更适合于哪些应用。
2008-08-10 cs.CR
An Image Steganography Scheme using Randomized Algorithm and Context-Free Grammar
目前，密码学被广泛使用，因为它被利用在从数据机密性到数据完整性和消息认证的各个领域中。基本上，密码学会打乱数据，使未经授权的各方无法读取。然而，清晰可见的加密信息，无论多么牢不可破，都会引起怀疑。更好的方法是使用隐写术隐藏消息的存在。从根本上说，隐写术将秘密数据隐藏到称为载体的看似无辜的介质中，然后这些介质可以安全地从发送者传输到接收者，而不会被注意到。本文提出了一种新的隐写方案，利用随机算法和上下文无关文法将数字数据隐藏到未压缩的图像文件中。此外，该方案使用两种介质来传递秘密数据：载体图像，其中秘密数据被隐藏到随机像素中，以及结构良好的英文文本，对随机载体像素的位置进行编码。在运行时使用与英语单词词典耦合的上下文无关文法来生成英语文本。该方案具有隐蔽性好、不易被发现、检测和恢复等优点。实验结果表明，如何覆盖和所提出的计划的工作过程中发现。作为未来的工作，语义分析器是要开发，使英语文本媒体语义正确，从而更安全地传输，而不提请任何注意。
2012-12-10 cs.CR cs.MM
Novel Framework for Hidden Data in the Image Page within Executable File Using Computation between Advanced Encryption Standard and Distortion Techniques
多媒体和互联网的快速发展使得数字媒体数据能够广泛地分发。编辑、修改和复制数字信息变得更加容易。另外，数字文档也容易被复制和分发，因此它可能面临许多威胁。由于信息的重要性、准确性和敏感性，有必要找到适当的保护措施。此外，没有正式的方法来发现隐藏的数据。本文提出了一种新的信息隐藏框架，该框架的目的是实现高级加密标准（AES）和变形技术（DT）之间的框架计算，即在不改变可执行文件（EXE文件）大小的情况下，将图像页面中的信息嵌入到可执行文件（EXE文件）中，从而找到一种安全的覆盖文件的解决方案。该框架包括两个主要功能;首先是通过执行四个过程（指定封面文件、指定信息文件、信息加密、隐藏信息）隐藏EXE文件图像页面中的信息;第二个功能是通过三个过程（指定隐写文件、提取信息、解密信息）提取隐藏信息。
2009-08-03 cs.CR
Steganography -- coding and intercepting the information from encoded pictures in the absence of any initial information
本研究测试了无初始信息时从编码图像提取信息的隐写算法能力，用OpenMP实现并行化并在多类并行计算机上完成性能测试，源代码以GNU GPL v3许可开放于OLib仓库。
2014-02-02 cs.CR cs.DC cs.MM
Information Hiding in CSS : A Secure Scheme Text-Steganography using Public Key Cryptosystem
近年来，编程世界已经引入了一种新的程序设计语言来设计网站，它是CSS，可以与HTML一起使用来开发Web界面。而现在，这两种程序设计语言似乎是不可分割的。作为客户端脚本，CSS作为原始脚本对所有用户都是可见的，但它不能被授权更改。网站是全世界信息传播者的工具，这当然可以通过使用CSS作为信息隐藏器来进行秘密通信。提出了一种利用CSS等Web工具进行信息隐藏的新方案。这是一种使用文本隐写术技术的秘密通信机制，该技术将消息嵌入CSS文件中，并使用RSA作为公钥密码算法进行进一步加密。
2012-01-10 cs.CR
Systematically Deconstructing APVD Steganography and its Payload with a Unified Deep Learning Paradigm
本文提出基于深度学习的APVD隐写术检测与反隐写分析方法，通过CNN与注意力机制实现高准确率的隐写检测和载荷恢复。
2025-11-20 cs.CR
Stegomalware: A Systematic Survey of MalwareHiding and Detection in Images, Machine LearningModels and Research Challenges
当受害者与感染源交互时，恶意软件通常通过网络钓鱼电子邮件或互联网中的文件附件分发到受害者网络。为了检测和防止受害者机器中的恶意软件分发，现有的终端设备安全应用程序可以利用诸如基于签名或异常的机器学习技术之类的技术。用于Windows的可移植可执行文件（PE）和用于基于Linux的操作系统的可执行和可链接格式（ELF）的众所周知的文件格式被用于恶意软件分析，并且这些文件的恶意软件检测能力已经很好地先进用于实时检测。但是，使用隐写检测隐藏在多媒体中的恶意软件负载一直是企业面临的挑战，因为这些恶意软件很少被看到，并且通常在复杂的攻击中充当舞台。在这篇文章中，据我们所知，我们是第一个试图解决的知识差距，在图像隐写术和隐写分析学术研究的当前进展集中在数据隐藏和stegomalware（恶意软件有效载荷隐藏在图像中）针对企业的网络攻击的审查现状。介绍了隐写恶意软件的历史、生成工具、文件格式规范等。基于我们的研究结果，我们对图像隐写技术进行了详细的回顾，包括最近基于生成对抗网络（GAN）的模型和图像隐写分析方法，包括用于隐藏数据检测的深度学习（DL）模型。此外，隐写恶意软件检测框架的企业提出了基于异常的隐写恶意软件检测强调不同的网络环境的体系结构的细节。最后，指出了隐写恶意软件生成和检测的研究机遇和挑战。
2021-10-06 cs.CR
One Time Pad Password Protection: Using T.E.C. Steganography and Secure Password Transmission Protocols
不久前，我发明了一种加密方法。最有利的评论没有看到一种方法，而是一种技术的集合。尽管如此，所使用的过程在论文《风语计算机》中有所描述。本文是关于隐写方法的描述，该方法的密码分析的努力，并在现实世界中的应用，该方法作为一个答案的密码文件黑客越来越多的问题。前提是该技术是一个时间垫的变体，使用一种新的方式来产生一个时间垫输出的数字输入。在文献中根本没有这种方法用于加密的记录。数字加密通常将明文的字母视为二进制数，并进行一些数学计算以产生密文。用随机生成的密钥插入比特的想法是新的。因此（因为使用唯一随机生成的密钥），加密在密码分析上是不可破解的和/或在计算上是安全的和/或在信息理论上是安全的。有一个学术版本。对解密的挑战迄今尚未产生解密。讨论了该方法的优缺点。黑客不断渗透网络并窃取密码文件。一旦拥有了密码文件，黑客就通过互联网上的分布式处理单独或集体地解密散列密码的值。从而进入系统。这个问题对于CAESAR（Competition for Authenticated Encryption：Security，Applicationability，and Robustness）来说已经变得足够重要，因此需要发表论文来解决这个问题。这里是一个建议的解决方案。虽然一次性密码本存在计算密集的问题，但是对于相对较短长度的密码，计算成本对于所提供的安全性而言可能是成本有效的。
2013-05-14 cs.CR
MalDicom: A Memory Forensic Framework for Detecting Malicious Payload in DICOM Files
针对恶意代码隐藏于 DICOM 前导码并经工作站感染医院网络的问题，提出 MalDicom 内存取证框架，基于 CIC-MalMem-2022 用机器学习分类三类恶意内存转储，Random Forest 准确率达 75%，并以 Shapley 值评估特征重要性。
2023-12-08 cs.CR
Destruction of Image Steganography using Generative Adversarial Networks
Booz Allen Hamilton（博思艾伦汉密尔顿）
数字图像隐写分析或图像隐写术的检测已被深入研究多年，并且由高级持续性威胁（APT）组（例如APT37 Reaper）驱动，利用隐写术技术来传输额外的恶意软件，以在受损主机上执行进一步的开发后活动。然而，许多隐写分析算法被限制为只处理野生环境中所有可能图像的子集，或者已知会产生很高的误报率。这导致阻止任何可疑的图像是一个不合理的政策。更可行的策略是在主机接收之前过滤可疑图像。然而，如何进行最佳过滤，特别是混淆或删除图像隐写，同时避免视觉图像质量的下降的情况下，图像的检测是一个假阳性？我们提出了深度数字隐写净化器（DDSP），这是一种生成对抗网络（GAN），经过优化可以破坏隐写内容，而不会损害原始图像的感知质量。实验结果表明，与其他最先进的过滤方法相比，我们的模型能够在保持高视觉质量的同时提供高的隐写图像内容破坏率。此外，我们测试了迁移学习的能力，推广到使用看不见的隐写算法混淆嵌入到不同图像文件格式和类型的真实恶意软件有效载荷，并证明我们的模型实际上可以部署提供足够的结果。
2019-12-20 cs.CR cs.LG cs.MM
Grouping the executables to detect malware with high accuracy
BITS PILANI（比尔拉科学技术学院）
具有相同恶意行为（家族）的变形恶意软件变体可以混淆自己，使其看起来彼此不同。这种结构上的变化导致了一个巨大的签名数据库，传统的签名匹配技术来检测它们。为了有效和高效地检测大量可执行文件中的恶意软件，我们需要将这些文件划分为可以识别其各自家族的组。此外，分组标准应选择这样一种方式，它也可以适用于未知的文件在计算机上遇到的分类。本文讨论了恶意软件和良性可执行文件的研究，在组中检测未知的恶意软件，具有较高的准确性。我们研究了三种流行的第二代恶意软件（变形恶意软件）创建工具包，即G2，PS-MPC和NGVCK生成的恶意软件的大小，并观察到任何两个生成的恶意软件从同一个工具包的大小变化不大。因此，我们使用最优k均值聚类算法根据恶意软件大小对可执行文件进行分组，并使用这些获得的组来选择有希望的特征用于训练（随机森林，J 48，LMT，FT和NBT）分类器，以检测恶意软件或未知恶意软件的变体。我们发现，检测恶意软件的基础上，他们尊重的文件大小提供了准确性高达99.11%的分类。
2016-06-22 cs.AI cs.CR
Machine Learning for Detecting Malware in PE Files
越来越多的复杂恶意软件构成了重大的网络安全威胁。便携式可执行（PE）文件是此类恶意软件的常见载体。在这项工作中，我们审查和评估基于机器学习的PE恶意软件检测技术。使用大型基准数据集，我们使用最常见的机器学习技术来检测恶意软件，以评估PE文件的功能。
2022-12-12 cs.CR cs.LG
Malware Classification Based on Image Segmentation
本文提出按节类别分割恶意软件灰度图像并将子图像作为多通道输入卷积神经网络进行分类的新方法，实验验证了其有效性并分析了宽度对齐对模型性能的影响。
2024-06-06 cs.CR
Mixing Algorithm for Extending the Tiers of the Unapparent Information Send through the Audio Streams
针对音频流信息隐藏，提出基于AES256加密的混合算法，扩展隐晦信息层级，兼顾鲁棒性、安全性与隐藏容量，并综述应用。
2025-02-25 cs.CR
Some New Methodologies for Image Hiding using Steganographic Techniques
安全性和存储管理是ipod、手机、pmp、iPhone和数码相机等电子设备的主要需求。在本文中，我们提出了一个高层次的安全机制，考虑到隐写术的概念与密码学的原则。已经讨论了四种不同的方法，可以节省大量的内存空间。基于这些方法，我们在Microsoft平台上构建了安全的隐写图像生成器和安全的多图像查看器，从而在上述电子设备中提供高级别的安全性和占用较少的存储空间来存储图像文件
2012-11-02 cs.CR cs.MM
Metamorphic Virus Detection in Portable Executables Using Opcodes Statistical Feature
变形病毒采用不同的突变技术来逃避基于字符串签名的扫描。他们试图在新的后代中改变他们的代码，以便变体看起来不相似，并且没有共同的字符串序列作为签名。然而，变形病毒的所有版本都具有类似的任务和性能。这种模糊处理有助于使它们免受基于字符串的签名检测。在这项研究中，我们利用指令统计特征来比较可能被两种变异形式的特定变形病毒占据的两个托管文件的相似性。本文介绍的解决方案是依靠静态分析，并采用在不同的混淆病毒的情况下，机器操作码的频率直方图。我们使用Minkowski形式的直方图距离测量，以检查便携式可执行文件（PE）的相似性。本研究的目的是提出一个想法，对于一些特殊的混淆方法，所提出的解决方案可以用来识别变形的文件副本。因此，它可以应用于防病毒扫描程序来识别变形病毒的不同版本。
2011-04-16 cs.CR
Early Stage Malware Prediction Using Recurrent Neural Networks
静态恶意软件分析非常适合端点防病毒系统，因为它可以通过检查可执行代码片段的特征并将其与先前观察到的恶意代码进行匹配来快速进行。然而，静态代码分析可能容易受到代码混淆技术的攻击。在文件执行期间收集的行为数据更难混淆，但捕获时间相对较长-通常长达5分钟，这意味着恶意负载可能在检测到时已经交付。在本文中，我们研究的可能性预测是否可执行文件是恶意的行为数据的一个简短的快照的基础上。我们发现，循环神经网络的集合能够在执行的前5秒内预测可执行文件是恶意的还是良性的，准确率为94%。这是第一次在执行期间预测一般类型的恶意文件是恶意的，而不是在执行后使用完整的活动日志文件，并使网络安全端点保护能够提前使用行为数据来阻止恶意有效负载，而不是在执行后检测它们并修复损坏。
2018-06-18 cs.CR
Sound Conveyors for Stealthy Data Transmission
本研究针对隐秘数据传输需求，开发了名为DeepAudio v1.0的音频隐写系统，支持AES加密与wave、MP3格式，可隐藏并提取多格式文档，同时推出免费开源的相关工具。
2025-02-22 cs.CR
Wavelet decomposition of software entropy reveals symptoms of malicious code
复杂的恶意软件作者可以将隐藏的恶意代码潜入可移植的可执行文件中，并且这些代码很难被检测到，特别是如果加密或压缩。然而，当可执行文件在代码体系（例如，原生、加密、压缩、文本和填充）之间切换时，在文件的表示中存在作为熵信号的对应移位。在本文中，我们开发了一种方法，用于自动量化文件熵信号中的模式化变化使其“可疑”的程度。“在实验1中，我们使用小波变换来定义可疑结构熵变化分数（SSECS），这是一种标量特征，它根据文件在多个空间分辨率水平上的熵能分布来量化文件的可疑性。基于这一单一特征，可以将恶意软件检测任务的预测准确率从50.0%提高到68.7%，即使该单一特征被应用于“在野外”发现的恶意软件的异构语料库。在实验2中，我们描述了如何将基于小波的软件熵分解应用于涉及大量样本和特征的寄生恶意软件检测任务。通过从软件样本中提取字符串和熵特征（小波分解），我们能够获得几乎99%的寄生恶意软件检测，而好文件的误报率低于1%。此外，基于小波的特征的添加均匀地提高了跨合理假阳性率的检测性能，无论是在仅字符串模型（例如，从80.90%到82.97%）和弦加熵模型（例如从92.10%到94.74%，以及从98.63%到98.90%）。总的来说，软件熵的小波分解可以用于机器学习模型，用于基于从可执行文件中提取数百万个特征来检测恶意软件。
2018-02-02 cs.CR stat.AP
Adversarial Malware Generation in Linux ELF Binaries via Semantic-Preserving Transformations
Faculty of Information Technology, Czech Technical University in Prague（信息技术学院，布拉格捷克技术大学）
本文提出了一种新的ELF格式对抗性恶意软件生成器，通过多种指标评估发现其 evasion rate 为67.74%，并发现目标分类器对可执行文件中的字符串敏感。
2026-04-24 cs.CR cs.LG
Experimental Toolkit for Manipulating Executable Packing
无论是出于恶意还是合法目的，打包（一种转换，包括对二进制文件应用压缩或加密等各种操作，即使逆向工程变得更困难或混淆代码）几十年来一直被广泛使用。特别是在恶意软件分析领域，规避是一个绊脚石，它已被证明是有效的，仍然给科学家谁想要有效地检测它的困难时间.虽然已经在科学文献中广泛覆盖，它仍然是一个悬而未决的问题，特别是当考虑到它的检测时间和准确性权衡.已经提出了许多方法，包括机器学习，但大多数研究通常限制其范围（即恶意软件和PE文件），依赖于不确定的数据集（即基于超级检测器构建或使用来自可疑来源的标签），并且不提供任何开放实现，这使得比较最先进的解决方案变得乏味。考虑到包装意味着许多挑战，在解决问题的方式上存在改进的空间，特别是在处理静态检测技术时。为了应对这些挑战，我们提出了一个实验工具包，恰当地称为包装盒，在一个开源平台中利用自动化和容器化，为研究社区带来了统一的解决方案，我们通过一些实验展示了它，包括无偏地面实况生成，数据可视化，机器学习管道自动化和开源包装静态检测器的性能。
2023-02-18 cs.CR
Adversarial Malware Binaries: Evading Deep Learning for Malware Detection in Executables
机器学习方法已经被用作检测恶意可执行文件的有用工具。它们利用从恶意软件样本中检索到的数据，例如头字段、指令序列甚至原始字节，来学习区分良性软件和恶意软件的模型。然而，也已经表明，机器学习和深度神经网络可以被逃避攻击（也称为对抗性示例）所欺骗，即，对输入数据的小的改变导致测试时的误分类。在这项工作中，我们研究了使用深度网络从原始字节中学习的恶意软件检测方法的漏洞。我们提出了一种基于梯度的攻击，它能够通过在每个恶意软件样本的末尾仅更改几个特定字节来规避最近提出的适合此目的的深度网络，同时保留其侵入性功能。有希望的结果表明，我们的对抗性恶意软件二进制文件以很高的概率逃避目标网络，即使它们的字节只有不到1%被修改。
2018-03-12 cs.CR
Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling
Université Paris Cité（巴黎西岱大学）；Institut Polytechnique de Paris（巴黎理工学院）；Télécom Paris（巴黎电信学院）
Delphi Scanner利用CNN建模API序列并辅以规则层解释，在19万PE文件上达95.35%准确率，模型仅1.53MB，且对分布外样本和对抗攻击具有鲁棒性，为本地恶意软件分流提供高效可解释方案。
2026-09-18 cs.CR cs.LG
Frame Selected Approach for Hiding Data within MPEG Video Using Bit Plane Complexity Segmentation
位平面复杂度分割（BPCS）数字图像隐写术是一种将数据隐藏在图像文件中的技术。BPCS实现了高嵌入率与低失真的理论基础上，在图像的位平面中的噪声类区域可以被替换为噪声类的秘密数据，而不会显着损失图像质量。.在这个框架中，我们将提出一个合作的方法来选择帧隐藏数据在MPEG视频使用位平面复杂度分割。这种方法将发明高安全的数据隐藏使用选择帧形式的MPEG视频，此外，我们将分配良好的构建的方法，在此审查期间，作者将回答为什么他们使用选择帧隐写术的问题。除了安全问题，我们还将使用数字视频作为隐藏数据的掩护。该方法选择视频覆盖的原因是每秒的单帧图像量巨大，这反过来又克服了数据隐藏量的问题，实验结果表明，成功地在选择帧内隐藏数据，从帧序列中提取数据。这些功能不会影响视频的质量。
2009-12-20 cs.CR
Automatically Attacking Software Reverse Engineering AI Agents
Naval Postgraduate School（海军学院）
提出基于遗传算法的对抗性提示生成技术（AutoDAN变体），通过注入无关字符串变量欺骗LLM驱动的反汇编与反编译系统，导致其错误分析二进制可执行文件。
2026-05-28 cs.AI cs.CR
Enhancing Malware Fingerprinting through Analysis of Evasive Techniques
本文通过分析400万个Windows PE文件中的规避技术，揭示传统指纹识别的局限性，并提出两种改进方法，将恶意软件变种识别率从20%提升至50%以上。
2025-03-09 cs.CR
Secure Audio Embedding in Images using Nature-Inspired Optimization
Jawaharlal Nehru University（贾瓦哈拉尔·尼赫鲁大学）
本文提出利用HHO优化的LSB方法，实现图像中音频的高效安全嵌入，提升图像质量和鲁棒性。
2025-12-09 cs.CR
Dynamic Encryption-Based Cloud Security Model using Facial Image and Password-based Key Generation for Multimedia Data
本研究提出一种动态加密云安全模型，利用人脸图像和密码生成密钥，针对不同多媒体数据类型（图像、音视频等）自适应选择AES、AES-CTR或Blowfish加密，并在AWS上验证，其中DATASET-1性能最优。
2025-05-22 cs.CR
Revocation Is Not Complete at Receipt: An Executable Outcome Contract for Distributed Agent-Tool Gateways
Nanchang Hangkong University（南昌航空大学）
该研究针对分布式智能体-工具网关的撤销问题，提出C0-C5有界结果合约，实验表明传输成功仅为进展证据而非撤销完成判定，其误报率低于现有方法。
2026-10-14 cs.AI cs.CR
Learning from Context: Exploiting and Interpreting File Path Information for Better Malware Detection
Sophos PLC（Sophos公司）
用于静态可移植可执行（PE）恶意软件检测的机器学习（ML）通常在训练期间采用每文件数字特征向量表示作为具有一个或多个目标标签的输入。但是，可以从文件所在的\textit{context}中收集到许多正交信息。在本文中，我们建议利用静态源的上下文信息-PE文件的路径-作为分类器的辅助输入。虽然文件路径本身不是恶意的或良性的，但它们确实为恶意/良性的确定提供了有价值的上下文。与动态上下文信息不同，文件路径可用的开销很小，并且可以无缝集成到多视图静态ML检测器中，从而以极高的吞吐量和最小的基础设施更改获得更高的检测率。在这里，我们提出了一个多视图神经网络，它采取的PE文件内容以及相应的文件路径作为输入的特征向量，并输出检测分数。为了确保真实的评估，我们使用了一个大约1000万个样本的数据集--来自实际安全供应商网络的用户端点的文件和文件路径。然后，我们通过LIME建模进行可解释性分析，以确保我们的分类器已经学习了合理的表示，并查看文件路径的哪些部分对分类器得分的变化贡献最大。我们发现，我们的模型学习了文件路径的有用方面以进行分类，同时还从测试供应商产品的客户那里学习了工件，例如，通过下载恶意软件样本的目录，每个样本都以其散列命名。我们从我们的测试数据集中修剪这些工件，并证明在$10^{-3}$假阳性率（FPR）和33.1%，在$10^{-4}$ FPR的假阴性率降低32.3%，在一个类似…
2019-05-16 cs.AI cs.CR cs.LG
Image-Based Malware Classification Using QR and Aztec Codes
San Jose State University（圣何塞州立大学）
该研究提出将可执行文件特征转换为QR码与Aztec码的恶意软件分类方法，设计适配CNN架构，在两个数据集上实验发现其性能有优有劣，验证了该特征工程思路的应用潜力。
2024-12-11 cs.CR cs.LG
Bytes to Threats: Byte-Sequence Transformer For Malware Detection
University of Rhode Island（罗德岛大学）
本文提出基于Transformer的字节级恶意软件检测框架MalwareFormer，无需领域知识或特征提取，在恶意软件检测的多项指标上优于基线方法，为字节级恶意软件检测提供了强大可扩展方案。
2026-10-14 cs.AI cs.CR
Packed Malware Detection Using Grayscale Binary-to-Image Representations
Canadian Institute for Cybersecurity (CIC)（加拿大网络安全研究所）；University of New Brunswick（新不伦瑞克大学）；Behaviour-Centric Cybersecurity Center (BCCC)（以行为为中心的网络安全中心）；York University（约克大学）
本研究利用灰度字节图和深度学习方法，有效检测打包恶意软件，提升恶意软件分析效率。
2025-12-17 cs.CR
Virus-MNIST: A Benchmark Malware Dataset
PeopleTec, Inc.（PeopleTec公司）
这篇短文介绍了一个图像分类数据集，包括10种可执行代码和大约50，000个病毒示例。恶意类包括9个计算机病毒家族和一个良性组。可移植可执行文件（PE）的前1024个字节的图像格式反映了熟悉的MNIST手写数据集，因此大多数先前探索的算法方法可以通过微小的修改进行传输。恶意软件的9个病毒家族的指定来自类标签的无监督学习;我们发现排除非恶意示例的KMeans聚类的家族。作为使用深度学习方法（MobileNetV 2）的基准，我们发现当包含beneware时，病毒识别的总体准确率为80%。我们还发现，一旦发生积极的恶意软件检测（通过签名或识别），投影的前1024个字节到缩略图图像可以与87%的准确率分类的病毒类型。这项工作概括了其他恶意软件调查人员所证明的有前途的卷积神经网络，最初是为了解决图像问题而开发的，但应用于可执行文件中像素字节的新抽象域。数据集可以在Kaggle和Github上找到。
2021-02-28 cs.CR cs.LG
Multimodal Techniques for Malware Classification
San Jose State University（圣何塞州立大学）
本研究利用多模态机器学习方法，基于Windows PE文件不同部分提取的特征训练SVM、LSTM和CNN模型，并组合其输出概率，发现多模态模型优于基线，提高了恶意软件分类准确性。
2025-01-19 cs.CR cs.LG
Explaining Vulnerabilities of Deep Learning to Adversarial Malware Binaries
最近的研究表明，用于恶意软件检测的深度学习算法也容易受到对抗性示例的影响，即，精心制作的干扰输入恶意软件，使误导分类。虽然这已经质疑他们是否适合这项任务，但目前还不清楚为什么这些算法在这个特定的应用领域也很容易被愚弄。在这项工作中，我们采取了第一步来解决这个问题，利用可解释的机器学习算法来解释深度神经网络的黑盒决策。特别是，我们使用一种可解释的技术，称为特征归因，以确定最有影响力的输入功能，有助于每个决定，并适应它提供有意义的解释恶意软件二进制文件的分类。在这种情况下，我们发现最近提出的卷积神经网络没有从可执行文件的数据和文本部分学习任何有意义的特征用于恶意软件检测，而是倾向于学习基于文件头中发现的特征区分良性和恶意软件样本。基于这一发现，我们提出了一种新的攻击算法，通过只改变文件头中的几十个字节来生成对抗性恶意软件二进制文件。相对于其他最先进的攻击算法，我们的攻击不需要在文件末尾注入任何填充字节，而且效率更高，因为它需要操作的字节少得多。
2019-01-24 cs.CR
Towards usable automated detection of CPU architecture and endianness for arbitrary binary files and object code sequences
静态和动态二进制分析技术被积极地用于逆向工程软件的行为和检测其漏洞，即使只有二进制代码可用于分析。为了避免由于误读错误CPU架构的操作码而导致的分析错误，这些分析工具必须精确地识别分析中的目标代码的指令集架构（ISA）。现代安全和逆向工程工具必须支持的CPU架构的种类不断增加，这是由于物联网设备的大量扩散以及针对这些设备的固件和恶意软件的多样性。最近的研究得出结论，错误地识别二进制代码的ISA仅导致约10%的物联网固件分析失败。检测任意目标代码的ISA的最新方法看起来很有前途-它们的结果证明了有效性和高性能。然而，它们缺乏公开可用的数据集和工具集的支持，这使得这些技术、数据集和机器学习模型的评估、比较和改进非常具有挑战性（如果不是不可能的话）。本文弥补了在自动化和精确识别二进制文件和目标代码的体系结构和字节序领域的多个空白。我们从头开始开发这个研究领域所缺乏的工具集和数据集。因此，我们贡献了一个全面的开放数据，开源和开放API Web服务的集合。我们还尝试实验重建和交叉验证的有效性，效率和结果的最先进的方法。当训练和测试分类器使用单独的代码段从可执行的二进制文件，我们所有的分类器同样表现良好，达到98%以上的准确率。结果与当前最新技术水平一致且具有可比性，因此支持算法的普遍有效性
2019-08-15 cs.CR
