Jul Ismail

Tag: machine learning

  • Framework contrastive learning – chen -paper review

    Paper Title: A Simple Framework for Contrastive Learning of Visual Representation Authors: Ting Chen, Simon Kornblith, Mohammad Norouzi, Geoffrey Hinton Venue: Proceedings of the 37 th International Conference on Machine Learning, Vienna, Austria, PMLR 119, 2020 URL : http://proceedings.mlr.press/v119/chen20j/chen20j.pdf Problem: Mempelajari representasi visual tanpa supervise orang adalah sebuah tantangan. Sistem  self-supervised yang ada masih menghasilkan performa yang lebih rendah dibandingkan dengan supervised learning. Diperlukan pendekatan…

  • Malware image Classification – Nataraj – Review Paper

    Paper Title: Malware Images: visualization and automatic classification Authors: L Nataraj, S.Karthikeyan, G.Jacob, B.S.Manjunanth Venue         : ACM Proceedings of the 8th International Symposium on Visualization for Cyber Security URL: https://doi.org/10.1145/2016904.2016908 Problem: Metode deteksi malware saat ini menggunakan analisa statik dan dinamik. Namun keduanya membutuhkan waktu yang besar dan membutuhkan resource hardware yang memadai. Selain itu juga beberapa malicious behaviour tidak dapat diamati dengan…

  • Analisa malware high level behaviour – Deng – Paper Review

    Paper Title: Malware Analysis through High-level Behaviour Authors: Xiyue Deng, Jelena Mirkovic Venue: Usenix Workshop on Cyber Security Experimentation and Test 2018 URL: https://www.usenix.org/conference/cset18/presentation/deng Problem: Malware semakin kompleks dan menggunakan banyak teknik stealth, agar tidak terdeteksi. Bagaimana cara mendeteksi malware dari behaviour nya di jaringan secara aman, dan menghindari resiko jaringan terinfeksi malware Contribution:  Melakukan studi behaviour malware di jaringan…

  • Android Malware negative-day hunting- Yuan-paper review

    Paper Title: Towards Large-Scale Hunting for Android Negative-day Malware Authors: Lun-Pin Yuan, Wenjun Hu, Ting Yu, Peng Lie, Senchun Zhu Venue: Usenix 22nd International Symposium on Research in Attacks Intrusions and ­Defenses URL: https://www.usenix.org/system/files/raid2019-yuan.pdf Problem: Dibutuhkan waktu minimum 6 bulan bagi para peneliti malware untuk membuat signature sebuah malware Zero Day. Bagaimana cara mendeteksi malware pada fase awal sebelum malware di…

  • Image Malware Classification with LBP – Luo – Review Paper

    Paper Title: Binary Malware image Classification using Machine learning with local binary pattern Authors: Jhu-sin Luo, Dan chia-tien lo Venue: 2017 IEEE international Conference on Big Data URL: 10.1109/BigData.2017.8258512 Problem: Klasifikasi malware adalah bagian penting dalam pengamanan jaringan. Namun metode klasifikasi malware saat ini masih mengandalkan metode deteksi tradisional untuk mendeteksi malware, yaitu analisa statik dan dinamik. Teknik ini memiliki…

  • File Entropy Wavelet Malware-Guo-ReviewPaper

    Paper Title: File Entropy signal analysis combined with wavelet decomposition for malware classification Authors: Hui Guo, Shuguang huang, Cheng huang, Zulie pan, Min zhang, fan shi Venue: IEEE access vol 8 – 158961 – 158971 URL: https://doi.org/10.1109/ACCESS.2020.3020330 Problem: Penulis malware banyak menggunakan (reuse) source code malware yang sudah ada untuk membuat malware baru. Malware ini biasanya memiliki kemiripan dan dapat…

  • SourceFinder: finding malware sourcecode-Rokon-PaperReview

    Paper Title: SourceFinder: Finding malware source-code from ublicly available repositories in Github Authors: Md Omar Faruk Rokon, Risul Islam, Ahmad Darki, Evangelos E.Papalexakis Venue: Usenix 23rd International Symposium on Research in attacks, intrusions and defences URL: https://www.usenix.org/conference/raid2020/presentation/omar Problem: Untuk memahami malware, peneliti perlu mempelajari source code malware. Bagaimana mencari source code malware dari repositories di internet seperti Github? Contribution:  Mengajukan sistem…

  • Do & Dont’s of Machine Learning in Computer security-Arp-Paper Review

    Paper Title: Do and Don’ts of machine learning in computer security Authors: Daniel Arp, Erwin Quiring, Feargus Pendlebury, Alexander Warnecke, Fabio Pierazzi, Christian Wressnegger, Lorenzo Cavallaro, Konrad Rieck Venue: underreviewed; Technical Report: Arxiv:2010.09470, October 2020 URL: https://arxiv.org/abs/2010.09470 Problem: Machine learning mulai banyak digunakan di bidang security. Namun ada beberapa pitfall yang dapat menurunkan performa dan menyebabkan implementasinya tidak sesuai dengan…

  • LSTM malware classification – Kang – Paper Review

    Paper Title : Long short-term memory-based Malware classification Method for information Security Authors: Jungho Kang, Sejun Jang, Shuyu Li, Young-Sik Jeong, Yunsick Sung Venue: Elsevier Computers & electrical engineering, Vol 77, July 2019, pages 366-375 URL: https://doi.org/10.1016/j.compeleceng.2019.06.014 Problem:  Deteksi malware signature based yang banyak digunakan saat ini tidak mampu mendeteksi berbagai macam teknik obfuscation malware. Diperlukan pendekatan deteksi malware baru.…

  • Neurlux: Dynamic Malware Analysis – Jindal – PaperReview

    Paper Title: Neurlux: Dynamic Malware Analysis Without Feature Engineering Authors: Chani Jindal, Christopher Salls, Hojjat Aghakhani, Keith Long, Christopher Kruegel, Giovanni Vigna Venue: ACM Annual Computer Security Applications Conference-2019 URL : https://dl.acm.org/doi/abs/10.1145/3359789.3359835 Problem: Pendekatan deteksi malware dengan machine learning masih mengalami kendala pada proses feature extraction. Proses ekstraksi feature membutuhkan waktu yang lama dan sulit…