Pesquisadores avaliaram a eficácia de técnicas de "cutout" guiadas por mapas de ativação na classificação de malware via visão computacional. O estudo, submetido ao arXiv, demonstra que a prática, comum para reduzir o sobreajuste (overfitting) em redes neurais, apresenta resultados distintos quando aplicada a imagens de malware em comparação com imagens naturais.
Metodologia e testes
O trabalho de Yasaman Ebrahimi, Martin Jurecek e Mark Stamp utilizou a arquitetura ResNet18 para testar quatro condições de treinamento: sem recorte, recorte aleatório, recorte de baixa saliência e recorte de alta saliência. O uso de saliência foi orientado pelo método HiResCAM (High-Resolution Class Activation Mapping).
Os testes envolveram variáveis de área de recorte de 5%, 10%, 20% e 30%, além de diferentes números de cópias aumentadas por imagem. A base de dados utilizada para malware foi a RawMal-TF, composta por 17 famílias com cerca de mil amostras cada. Para propósitos comparativos, a equipe também aplicou o experimento ao conjunto de dados CIFAR-100.
Resultados e discrepâncias de domínio
Os resultados indicam que o cutout guiado por saliência não trouxe ganhos de desempenho para a detecção de malware. Em todos os cenários testados com a base RawMal-TF, o desempenho do modelo foi ligeiramente inferior ao obtido sem qualquer técnica de recorte. Em contrapartida, no conjunto CIFAR-100, o recorte de baixa saliência produziu melhorias no treinamento.
A conclusão dos autores aponta para a natureza dependente do domínio dessas técnicas. O estudo defende que imagens de malware, representadas em tons de cinza, possuem características que não se comportam de forma equivalente a fotografias ou imagens naturais, invalidaando a suposição de que métodos de otimização universais de visão computacional sejam automaticamente aplicáveis à cibersegurança.
O que ainda não foi divulgado
- Detalhes sobre o impacto do uso de diferentes arquiteturas além da ResNet18.
- Informações sobre a eficiência computacional em termos de tempo de processamento para implementar o mapeamento HiResCAM no pipeline de defesa.
- A comparação detalhada com outros datasets de malware de maior complexidade ou arquiteturas de redes mais profundas.
