用模块化生成器合成高质量恶意软件检测数据，提升模型性能。
MalDataGen: A Modular Framework for Synthetic Tabular Data Generation in Malware Detection
- 采用WGAN-GP、VQ-VAE等模块化深度模型生成高保真表格数据。
- 在七种分类器上验证，优于SDV等基准，保持数据可用性。
- 框架可嵌入检测流程，适合安全研究与工业级应用。
高质量数据稀缺限制了恶意软件检测中机器学习的性能。我们提出MalDataGen，一个开源的模块化框架，利用WGAN-GP、VQ-VAE等深度学习模型生成高保真合成表格数据。通过双验证（TR-TS/TS-TR）、七种分类器及效用指标评估，MalDataGen在保持数据实用性的同时，优于SDV等基线方法。其灵活设计支持无缝集成至检测流水线，为网络安全应用提供实用解决方案。
原文摘要 · Abstract (English)
High-quality data scarcity hinders malware detection, limiting ML performance. We introduce MalDataGen, an open-source modular framework for generating high-fidelity synthetic tabular data using modular deep learning models (e.g., WGAN-GP, VQ-VAE). Evaluated via dual validation (TR-TS/TS-TR), seven classifiers, and utility metrics, MalDataGen outperforms benchmarks like SDV while preserving data utility. Its flexible design enables seamless integration into detection pipelines, offering a practical solution for cybersecurity applications.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。