Machine Learning/Theses
A Multi-view Context-aware Approach to Android Malware Detection and Malicious Code Localization 정리
A Multi-view Context-aware Approach to Android Malware Detection and Malicious Code Localization 정리
2017.06.15A Multi-view Context-aware Approach to Android Malware Detection and Malicious Code Localization17.04. 논문. ANN이 아니라 SVM을 사용했다. 그래서 읽다 중단함. 읽은 곳 까지만 정리.classification에 SVM을 사용했지만 악성코드 검출에서 어떤 flow를 고려해야 하는지와 각 PRG가 어떤 식으로 나타나고, 어떤 장점과 한계를 가지고 있는지 대략적으로 파악할 수 있었다. Abstract현재 Android malware detection approaches에 사용하는 방식은 여러가지가 있다. 정확도를 위해 머신 러닝 classifier와 연결해서 사용하기도 하며, 각각의 방식은 앱의 행위에 대한 unique s..
Best Practices for Applying Deep Learning to Novel Application 정리
Best Practices for Applying Deep Learning to Novel Application 정리
2017.05.31Phase 1: Getting prepared딥러닝을 적용하는 것이 가치있는 일인지 생각해본다.state-of-the-art의 퍼포먼스가 충분히 높다면 굳이 성능을 향상시키기 위해 딥러닝을 적용하는 것이 가치있는 일일지 고려해야 한다.단순히 최신 기술이고, 방법론적으로 좋아보여서 딥러닝을 사용하게 되면 어려움에 직면할 수 있다.그 다음은 성공적으로 구현했을 때 human level performance보다 잘 나오는지 예상해보아야 한다.computer resource도 고려해야 하는데 이는 AWS 등으로 해결할 수 있으므로 큰 문제는 안된다.evaluation metrics도 정의한다. 이는 loss function design으로 이어진다. Phase 2: Preparing your datatraini..
Deep learning malware detection
Deep learning malware detection
2017.04.30DL4MD단순히 어떤 API를 사용하는지를 학습. API의 순서 등은 고려하지 않고 malware에서 많이 등장한 API를 사용하면malware로 판정. 인용수도 1회. Deep Neural Network Based Malware Detection Using Two Dimensional Binary Program Features15.08. Semi-supervised classification for dynamic Android malware detection 17.04 Semantics-aware malware detection=============여기까지만 인쇄... Large-scale malware classification using random projections and neural net..
ILSVRC2016 Hikvision팀과 Trimps-Soushen팀의 기법
ILSVRC2016 Hikvision팀과 Trimps-Soushen팀의 기법
2017.04.25HikvisionEnsemble A of 3 RPN and 6 FRCN models, mAP is 67 on val2 Our work on object detection is based on Faster R-CNN. We design and validate the following improvements: * Better network. We find that the identity-mapping variant of ResNet-101 is superior for object detection over the original version. * Better RPN proposals. A novel cascade RPN is proposed to refine proposals' scores and loca..
Learning Fine-grained Image Similarity with Deep Ranking 정리
Learning Fine-grained Image Similarity with Deep Ranking 정리
2017.04.25https://arxiv.org/pdf/1404.4661.pdf 이미지 간의 distance(similarity)를 구하는 방법(함수)를 학습하는 model이다. detection & classfication 신경망을 거치는 경우, 그 출력을 그대로 similarity에 사용하면 안되나?image classification과 similar image ranking task는 본질적으로 다르다.출력 뉴런 값들을 저장해 놓았다가 distance를 계산하는 방법을 생각해 보았는데, class 내의 두 이미지 P, Q의 비교를 위해 "P, Q가 다른 class 각각에 속할 확률이 얼마나 되는지"를 사용하기 때문에 당연히 부정확하다.detection & classification 신경망의 출력을 k(.)라고 하면..
CNN model과 다양한 분야에 딥러닝을 적용한 논문들
CNN model과 다양한 분야에 딥러닝을 적용한 논문들
2017.04.14https://github.com/sbrugman/deep-learning-papers CNN 기반 DNNVGG구성이 간단해서 응용하기 좋다.https://arxiv.org/abs/1409.1556 GoogLeNet가로 방향에 폭이 있는 인셉션 구조.https://arxiv.org/abs/1409.4842 ResNet층이 매우 깊어서 gradient vanishing 문제를 해결하기 위해 스킵 연결을 도입한 것이 특징.https://arxiv.org/abs/1512.03385 지도 학습 ( supervised learning )사물 검출 ( Object Detection )cs231n lecture 8 Faster R-CNN ( Regions with Convolutional Neural Network ..