Zozzle is a direct application of t

Zozzle is a direct application of the Bayes theorem. Zozzle excludes features that are statistically dependent. Its goal is to calculate the conditional probability that the JavaScript is malicious given a set of independent features that have been extracted from the JavaScript code fragment. Experiments show that Zozzle is surprisingly effective, with less than one false positive in a quarter‐million samples. Integrating Zozzle into popular browsers does not show significant performance degradation. Nonetheless, such feature‐based learning needs a large dataset to train the classifer, which makes distributed collection and classifcation at the end user’s browser ineffcient. In addition, malware authors can quickly restructure their JavaScript to obsolete the selected features. Code variations in the collected malware samples require continuous retraining of the classifer, which is also ineffcient at the end user’s system.

Kết quả (Việt) 1:

Zozzle là một ứng dụng trực tiếp của định lý Bayes. Zozzle không bao gồm các tính năng phụ thuộc về mặt thống kê. Mục tiêu của nó là tính xác suất có điều kiện JavaScript là độc hại cho một bộ độc lập các tính năng đã được chiết xuất từ các đoạn mã JavaScript. Thí nghiệm cho thấy rằng Zozzle là đáng ngạc nhiên có hiệu quả, với ít hơn là một sai tích cực trong một mẫu quarter‐million. Tích hợp Zozzle vào trình duyệt phổ biến không hiển thị sự xuống cấp hiệu suất đáng kể. Tuy nhiên, như vậy feature‐based nhu cầu học tập dữ liệu lớn để đào tạo classifer, mà làm cho phân phối bộ sưu tập và classifcation tại ineffcient trình duyệt của người dùng cuối. Ngoài ra, tác giả phần mềm độc hại có thể nhanh chóng tái cấu trúc của JavaScript để cũ các tính năng đã chọn. Các biến thể mã trong phần mềm độc hại được thu thập mẫu yêu cầu liên tục đào tạo lại của classifer, cũng là ineffcient tại hệ thống của người dùng cuối.

Kết quả (Việt) 2:

Zozzle là một ứng dụng trực tiếp của định lý Bayes. Zozzle không bao gồm các tính năng mà phụ thuộc về mặt thống kê. Mục tiêu của nó là để tính toán xác suất có điều kiện rằng Javascript là độc hại cho một tập hợp các tính năng độc lập, đã được chiết xuất từ ​​các đoạn mã JavaScript. Các thí nghiệm cho thấy rằng Zozzle là hiệu quả đáng ngạc nhiên, với ít hơn một sai tích cực trong một phần tư triệu mẫu. Lồng ghép Zozzle thành trình duyệt phổ biến không hiển thị xuống cấp hiệu suất đáng kể. Tuy nhiên, dựa trên tính năng học tập như vậy cần có một tập dữ liệu lớn để đào tạo các classifer, mà làm cho phân phối thu và classifcation tại ineffcient trình duyệt của người dùng cuối. Ngoài ra, tác giả phần mềm độc hại có thể nhanh chóng cơ cấu lại Javascript để lỗi thời những tính năng lựa chọn. biến thể mã trong các mẫu malware thu thập yêu cầu đào tạo liên tục của classifer, đó cũng là ineffcient tại hệ thống của người dùng cuối.