▾ G11 Media: | ChannelCity | ImpresaCity | SecurityOpenLab | Italian Channel Awards | Italian Project Awards | Italian Security Awards | ...

Convertire il malware in immagini per l'analisi veloce

Un algoritmo di deep learning implementato da Microsoft e Intel è in grado di rilevare le minacce emergenti convertendo i malware in immagini 2D.

Business Tecnologie/Scenari
Microsoft e Intel stanno lavorando al progetto STAMINA, acronimo di STAtic Malware-as-Image Network Analysis. Consiste nell'applicare un nuovo approccio di deep learning per il rilevamento e la classificazione dei malware.

Il deep learning è un sottoinsieme dell'apprendimento automatico, che a sua volta è un ramo dell'Intelligenza Artificiale. Si riferisce a reti di computer che sono in grado di apprendere da soli dai dati di input non strutturati o senza etichetta. In questo caso si tratta di malware casuali.
stamina stepsIl progetto STAMINA si basa su una nuova tecnica che converte i campioni di malware in immagini in scala di grigi. Poi si scansiona l'immagine alla ricerca di pattern testuali e strutturali specifici dei campioni di malware di riferimento.

Il potenziale vincente di questa tecnica è che l'intero processo implica pochi e semplici passaggi. Il primo consiste nel prendere un file di input e convertire la sua forma binaria in un flusso di pixel grezzi. Il secondo prevede la conversione di questo flusso di pixel unidimensionale (1D) in una foto 2D. Così facendo i normali algoritmi di analisi delle immagini possono analizzarlo.

La larghezza dell'immagine viene definita in base alle dimensioni del file di input. La suddetta corrispondenza viene creata in funzione di dati predefiniti, che sono schematizzati nella tabella qui di seguito. L'altezza è dinamica e dipende dal valore di larghezza scelto.
tabella staminaA questo punto i ricercatori ridimensionano la foto risultante in una più piccola. Questo passaggio è importante per contenere le risorse di calcolo. Più l'immagine è grande, più i calcoli richiedono tempo. I rallentamenti influiscono negativamente sul risultato della classificazione.

Fin qui la parte computazionale. Ora entra in gioco la rete neurale. Le immagini ottenute con i passaggi precedenti vengono immesse in una rete neurale profonda pre-addestrata (DNN) che le scansiona, le confronta con le rappresentazioni 2D delle famiglie di malware e le classifica.

Per il confronto, Microsoft ha fornito un campione di 2,2 milioni di file PE (Portable Executable) infetti da utilizzare come base per la ricerca. I ricercatori hanno utilizzato il 60% dei campioni di malware noti per addestrare l'algoritmo DNN originale, il 20% dei file per convalidare il DNN e l'altro 20% per l'effettivo processo di test.

I test sono un successo

Secondo quanto riferito dal team di ricerca, STAMINA ha raggiunto una precisione del 99,07% nell'identificazione e nella classificazione di campioni di malware. Il tasso di falsi positivi è stato pari al 2,58%. "Questi risultati incoraggiano l'uso dell'apprendimento profondo ai fini della classificazione del malware", come sottolineano i ricercatori del Microsoft Intelligence Protection Protection Team, Jugal Parikh e Marc Marino.

Microsoft spiega che la precisione di STAMINA è maggiore quando si lavorava con file più piccoli. Con quelli di grandi dimensioni tende a confondersi: "diventa meno efficace a causa delle limitazioni insite nel convertire miliardi di pixel in immagini JPEG e nel ridimensionarle".

Questo indica che il progetto potrebbe essere maggiormente utilizzato per file di piccole dimensioni. L'obiettivo è rilevare le minacce emergenti.
Se questo articolo ti è piaciuto e vuoi rimanere sempre informato
Iscriviti alla nostra Newsletter Gratuita. Iscriviti
GoogleNews Rimani sempre aggiornato, seguici su Google News! Seguici

Notizie correlate

Speciali Tutti gli speciali

Speciale

Speciale iperautomazione

Speciale

Speciale Backup e Resilienza 2025

Speciale

Speciale OT Security

Speciale

2025 obiettivo cybersecurity

Speciale

Previsioni per la cybersecurity del 2025

Calendario Tutto

Lug 11
TPM 2.0: Il Cuore della Sicurezza nei PC Moderni
Lug 11
Accesso Sicuro, Futuro Protetto: Il Viaggio con Cisco Duo
Lug 11
Microsoft Sentinel: la piattaforma SIEM e SOAR per il soc moderno
Lug 15
Business Meeting HP | Diventa HP Extended Partner & HP Ecosystem
Lug 15
Networking on OCI: Dietro le Quinte della Rete Cloud
Lug 15
HPE TSC - Le ultime novità HPE per il tuo business a valore aggiunto
Lug 15
Cisco 360 Level Up:la transizione guidata da TD SYNNEX
Lug 16
NetApp Hybrid Cloud Associate Workshop
Lug 17
Ready Informatica Webinar | Cove Data Protection di N-able – Il tuo backup è ancorato al passato?

Ultime notizie Tutto

Patch Tuesday di luglio 2025: chiuse 137 falle, una Zero Day

Microsoft risolve 137 falle di sicurezza nel Patch Tuesday di luglio, tra cui una Zero Day su SQL Server e gravi vulnerabilità in Windows e SharePoint.

09-07-2025

AI agent e automazione no-code: la nuova era dei SOC

Agentic AI e automazione no-code: i SOC stanno cambiando faccia. Ecco come workflow intelligenti, integrazioni dinamiche e nuovi standard possono ridefinire l’incident response e il ruolo degli analisti.

09-07-2025

Acronis, come semplificare il lavoro di MSP e team IT con il patch management

Umberto Zanatta, Senior Solutions Engineer di Acronis, approfondisce come l’automazione del patch management possa semplificare le attività quotidiane, migliorare l’efficienza e assicurare una maggiore aderenza ai requisiti normativi, anche in ambienti IT complessi e distribuiti

08-07-2025

La rivoluzione quantistica nella cybersecurity: sfide e soluzioni

La rivoluzione del quantum computing mette a rischio la crittografia attuale: Umberto Pirovano di Palo Alto Networks spiega rischi, tempistiche e soluzioni post-quantum.

07-07-2025

Iscriviti alla nostra newsletter

Soluzioni B2B per il Mercato delle Imprese e per la Pubblica Amministrazione

Iscriviti alla newsletter

www.securityopenlab.it - 8.3.21 - 4.6.1