Los atacantes han aprendido a engañar a los detectores de malware de aprendizaje automático con pequeños pero astutos cambios de código, y los investigadores dicen que pueden tener finalmente una respuesta. En un nuevo documento, académicos del Inria y el Centro Helmholtz CISPA para la Seguridad de la Información describen un marco que puede resistir este tipo de intentos de evasión. Su trabajo se centra en ejemplos adversarios en la detección de malware, donde los atacantes alteran el software de manera que preserve su función pero confunde al modelo en...