{"id":2355,"date":"2021-08-02T09:20:02","date_gmt":"2021-08-02T09:20:02","guid":{"rendered":"https:\/\/intelsynet.com\/?p=2355"},"modified":"2021-08-02T09:21:34","modified_gmt":"2021-08-02T09:21:34","slug":"investigadores-logran-ocultar-malware-en-una-red-neuronal","status":"publish","type":"post","link":"https:\/\/intelsynet.com\/es\/investigadores-logran-ocultar-malware-en-una-red-neuronal\/","title":{"rendered":"Investigadores logran ocultar malware en una red neuronal"},"content":{"rendered":"

Un estudio presentado por los investigadores Zhi Wang, Chaoge Liu, y Xiang Cui han mostrado c\u00f3mo esta t\u00e9cnica permite incluir malware en una arquitectura como\u00a0AlexNet<\/strong>. Dicha arquitectura, una red neuronal convolucional (CNN<\/strong>), se compone de\u00a0millones de par\u00e1metros y m\u00faltiples capas de neuronas<\/strong>, incluyendo capas \u00abocultas\u00bb totalmente conectadas. El estudio concluye que\u00a0modificar algunas neuronas no tiene un gran impacto en la precisi\u00f3n del modelo<\/strong>.<\/p>\n

\u00a0<\/strong><\/p>\n<\/div>

\"malware\"<\/span><\/div>

Esquema de arquitectura de redes neuronales. Fuente:\u00a0DeepAI<\/a><\/p>\n<\/div>

Utilizando\u00a0muestras reales de malware<\/strong>, las pruebas afirman que\u00a0un modelo de AlexNet<\/strong>\u00a0con normalizaci\u00f3n por lotes o\u00a0\u00abbatch normalization\u00bb<\/em><\/strong>\u00a0puede incluir hasta 36.9MB de malware en un fichero de modelo de 178MB,<\/strong>\u00a0perdiendo\u00a0menos del 1% de la precisi\u00f3n<\/strong>\u00a0del modelo, pasando inadvertido por el usuario que lo implemente. Esto hace adem\u00e1s que sea\u00a0indetectable<\/strong>\u00a0<\/a>por motores de antivirus, aunque esto se debe tambi\u00e9n al factor de que\u00a0no hay analistas que hayan desarrollado un framework de detecci\u00f3n para este tipo de modelos<\/strong>.<\/p>\n

\u00a0<\/strong><\/p>\n<\/div>

<\/div>
<\/div>
<\/div>