惡意程式分類

深度分析

結合多視角去編譯與大型語言模型提升惡意程式分類效能

研究指出單一去編譯視角易遺漏惡意行為，結合Ghidra與RetDec兩種去編譯產出，可提升LLM的惡意程式分類召回率與F1分數，實驗顯示在多款模型上均提升近15%，為成本低廉的部署方案。此方式減少人工分析瓶頸、兼容開源去編譯器且無需額外模型再訓練，適合大規模惡意程式分流。