利用生成性人工智能进行记忆分析.pdf

1、本文档共23页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

LeveragingGenerativeArtificialIntelligencefor

MemoryAnalysis

Author:WilliamCopeland,wcopeland1981@

Advisor:TimProffitt

Accepted:May28,2024

Abstract

Theincreasingsophisticationofmalwareposessignificantchallengesfortraditional

memoryanalysistechniquesindigitalforensics.Thisresearchexploresthepotentialof

leveragingGenerativeArtificialIntelligence(AI)models,specificallyOpenAI’sGPT-4

TurboandAnthropic’sClaude3Opus,toenhancemalwaredetectioninmemory.By

combiningthedataextractioncapabilitiesoftheVolatilityFrameworkwiththepredictive

powerofGenerativeAI,thisstudyaimstodevelopaninnovativeapproachforaccurately

identifyingandclassifyingmaliciousactivitiesinmemorydumps.Theresearch

methodologyinvolvescollectingadiversesetofmemorydumpsamples,preprocessing

thedatausingVolatilityplugins,andevaluatingtheperformanceoftheAImodelsusing

quantitativemetrics.

ThefindingshighlightthepotentialofGenerativeAImodelsineffectivelyidentifying

malware,whilealsorevealinglimitationsandareasforimprovement.Theimplications

suggestthatGenerativeAImodelscanserveasvaluablecomplementarytoolsalongside

traditionalmalwaredetectionmethods,andfutureresearchrecommendationsinclude

expandingdatasets,developingdomain-specificmodels,andintegratingGenerativeAI

capabilitiesintoexistingmemoryforensicsworkflows.Thisstudylaysthefoundationfor

furtherexplorationandadvancementofGenerativeAImodelsi

百强名校试卷

咨询Ta 进入空间

更多 >