arXiv · cs.AI · Raguvir S, Bojing Li, Prajna Bhandary, Charles Nicholas · 10 小时前模型评分25
恶意软件聚类综述：分类体系、挑战与评估指标
Malware Clustering in the Wild: Taxonomy, Challenges, and Evaluation Metrics
导读
一篇综述将现有恶意软件聚类研究归为七类：基于质心、层次、密度、分布、混合类型、模糊以及 人工智能（AI，Artificial Intelligence） 驱动的方法，并汇总了聚类研究常用的公开恶意软件数据集及其特征表示。该综述指出当前研究较为分散，缺乏统一视角来系统梳理已有工作和文献空白，目标是厘清现状并为大规模、可复现的恶意软件聚类分析指明方向。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “This survey addresses this gap by organizing previous malware clustering research into seven categories: centroid-based, hierarchical-based, density-based, distribution-based, mixed- type, fuzzy, and AI-driven approaches.”
来源：arXiv · cs.AI · arxiv.org