Stabilità del Rilevamento di Malware Sotto Perturbazioni delle Caratteristiche

Un nuovo studio introduce una pipeline di analisi della stabilità latente per valutare la robustezza dei rilevatori di malware sotto perturbazioni nello spazio delle caratteristiche. La pipeline valuta cinque rappresentazioni: le caratteristiche complete EMBER, la compressione PCA, gli autoencoder variazionali beta/denoising, i descrittori di tempo di fuga ispirati a Mandelbrot e un modulo di flusso latente di tipo PINN. Una nuova metrica, la Divergenza di Fuga Latente (LED), quantifica i cambiamenti nei profili di tempo di fuga, mentre le metriche derivate da PINNFlow (residuo, velocità, rischio, spostamento del gradiente) caratterizzano il movimento latente. Gli esperimenti utilizzano il dataset EMBER. Il lavoro affronta i limiti delle metriche standard come accuratezza e F1, che non riescono a catturare il comportamento vicino ai confini decisionali o in spazi compressi.