Classificateur attentif basé sur les embeddings séquentiels (SEA) pour la classification de logiciels malveillants

La croissance exponentielle des appareils intelligents a entraîné une augmentation significative des menaces sécuritaires. L'une des menaces les plus préoccupantes est le logiciel malveillant, également connu sous le nom de malware. Ce dernier possède la capacité de corrompre un appareil et de provoquer l'effondrement d'un réseau entier. Il est donc essentiel de détecter et de neutraliser le malware dès les premiers stades afin d'éviter des conséquences catastrophiques. Dans ce travail, nous proposons une solution de détection de malware basée sur des techniques de pointe en traitement du langage naturel (NLP). Notre objectif principal consiste à concevoir un classificateur léger mais efficace, adapté à des dispositifs hétérogènes — qu’il s’agisse d’appareils à ressources limitées ou de machines puissantes. Notre modèle proposé a été évalué sur un jeu de données de référence, obtenant un taux de précision de 99,13 % et un score de perte logarithmique de 0,04.