针对传统恶意软件分类模型因灾难性遗忘导致的性能退化问题,研究人员提出MalCL系统,结合生成对抗网络(GAN)与生成回放(GR)技术,为持续学习(CL)领域提供创新解决方案。MalCL通过特征匹配损失生成高质量的恶意软件样本,并利用模型隐藏表示实现回放样本的高效选择。在Windows和Android恶意软件数据集的类别增量学习场景下,MalCL显著提升了分类性能。实验表明,系统在Windows恶意软件分类中平均准确率达55%,相比其他GR模型提升28%。 https://arxiv.org/pdf/2501.01110
6 Windows 10用户需尽快升级以避免安全隐患