Event Website - Consortium GARR

We use cookies to improve our website and your experience when using it. Cookies used for the essential operation of the site have already been set. To find out more about the cookies we use and how to delete them, see our Cookies Policy

Informativa sulla privacy

Informativa sul trattamento dei cookie

WORKSHOP GARR 2019
8-10 ottobre 2019

Aula magna della Scuola Lettere, Filosofia, Lingue dell'Università Roma TRE

9 ottobre 2019

Corrado Aaron Visaggio

Università del Sannio
https://www.unisannio.it/

9 ottobre 2019 - SESSIONE: Security: trend e applicazioni

Generative adversarial network per la generazione di malware: tra mito e realtà

Slide

Aaron Visaggio

Generative adversarial network per la generazione di malware: tra mito e realtà

Corrado Aaron Visaggio è professore associato presso il Dipartimento di Ingegneria dell’Università degli Studi del Sannio, dove insegna “Sicurezza delle Reti e dei Sistemi Software” nel Corso di Laurea Magistrale in Ingegneria Informatica. Ha conseguito la laurea in Ingegneria Elettronica (2001) presso il Politecnico di Bari e il dottorato (2005) presso l’Università degli Studi del Sannio. E’ stato docente di master universitari (Tor Vergata e Università di Bari) e di Scuole di Dottorato Internazionale. E’ docente della Scuola Internazionale di Alta Formazione per la Prevenzione ed il Contrasto del Crimine Organizzato, del Ministero della Difesa ed è stato istruttore persso il Dipartimento di Sicurezza delle Informazioni del Ministero degli Interni. E’ il direttore del nodo Unisannio per il Laboratorio Nazionale CINI di Cybersecurity. E’ il responsabile scientifico di numerosi progetti di ricerca finanziati in Cybersecurity, che riguardano sicurezza delle reti, malware analysis e protezione dei dati. E’ nell’editorial board di numerose riviste scientifiche e conferenze internazionali di settore (MALWARE, ISSRE, ARES, SECRYPT, SEKE, ITASec, FORSE, DATA, WETSOM). E’ autore di circa cento articoli scientifici su riviste e atti di convegni internazionali di settore. E’ co-fondatare della Spin-off accademica SER&P. Gli interessi di ricerca sono: malware analysis, data privacy and protection, software security, empirical software engineering.

Corrado Aaron Visaggio is associate professor at the Department of Engineering of the University of Sannio, where he teaches “Security of Networks and Software Systems” at the BSc in Computer Engineering. He obtained the BSc in Electronic Engineering (2001) from Politecnico di Bari, and the PhD in Information Engineering (2005) from University of Sannio. He teaches in Master Programs of Cybersecurity of University of Rome “Tor Vergata” and University of Bari, and in PhD Summer Schools. He is director of the Unisannio Chapter of the CINI Cybersecurity National Lab. He is instructor at the International School against the Organized Crime of the Ministry of Interior, and has been instructor at the Department of Intelligence, at the Ministry of Interior. He has authored almost one hundred scientific papers and he serves in several Editorial Boards and Program Committes of International journals and conferences of Cybersecurity. He was among the founders of the academic spin-off SER&Practice.

 

Generative adversarial network per la generazione di malware: tra mito e realtà

Il machine learning è diffusamente utilizzato per classificare ed identificare i malware. Vi sono punti di forza e di debolezza nell’utilizzo di questa tecnologia, per cui non può definirsi una soluzione definitiva al problema. Invece, le GAN possono essere terribilmente efficaci nel generare malware che non possono essere riconosciuti come tali dai classificatori. In questo intervento, si illustreranno le potenzialità delle GAN ed eventuali contromisure nel riconoscimento di malware generati automaticamente con questo meccanismo.


Generative adversarial network for malware generation: myth and reality

Machine Learning is widely adopted for detecting and classifying malware. This technology has points of strength, but suffers from some weaknesses. For this reason, machine learning cannot be considered the definitive solution to the problem. On the contrary, the GAN can be extraordinarily effective for generating malware that cannot be recognized (as malware) by classifiers. This talk will show the doomed potentiality of GAN and which countermeasures can be adopted for identifying correctly malware generated with GAN.

 

 

Il workshop è sponsorizzato da:

DELL
juniper networks
INTEL
jAmazon Web Services

Consortium GARR - La Rete Italiana dell'Università e della Ricerca