Zum Inhalt springen
Forschung

Malware-Analyse, Agentic AI und adversariales ML.

Malware-Analyse, Agentic AI und adversariales ML — ThreatBytes und offene Artefacts.

Programm
ThreatBytes
Fragen
5 open
Lebenszyklus
10 stages
Artefacts
2 open resources
Programme
Programm

ThreatBytes

Super Intelligence für neuartige Malware-Forschung. Gründer & Principal Researcher.

Programm →
Offene Ressource

Malware Analysis Report Template

JSON Schema + Markdown-Report, gemappt auf MITRE ATT&CK.

Offene Ressource

YARA Rule Starter Kit

Getestete YARA-Regeln mit CI.

Fragen

Forschungsfragen

  • RQ-001Können SI-Modelle, die Deep Learning, Reinforcement Learning und Reasoning-Module integrieren, zuvor unbekannte Malware-Verhaltensweisen vor der Ausführung zuverlässig vorhersagen?In Entwicklung
  • RQ-002Wie kann agentische kognitive SI Malware-Absicht aus unvollständigen oder sich entwickelnden Verhaltensindikatoren ableiten?Geplant
  • RQ-003Welche Kombination aus Mustererkennung, Reinforcement Learning und Reasoning liefert optimale prädiktive und präventive Malware-Abwehr?Geplant
  • RQ-004Wie können autonome SI-Agenten zuverlässige, präventive Mitigationsmaßnahmen ausführen und dabei niedrige False-Positive-Raten halten sowie Kollateralschäden vermeiden?Geplant
  • RQ-005Wie können von der Community eingereichte Malware-Samples das Lernen und die Vorhersagefähigkeit des agentischen SI-Frameworks verbessern?Geplant
Lebenszyklus

Zehnstufiger Lebenszyklus

01
Beobachten

02
Sammeln

03
Analysieren

04
Reasoning

05
Vorhersagen

06
Entscheiden

07
Mitigieren

08
Evaluieren

09
Lernen

10
Beitragen

Governance

Ethik & Governance

Quarantäne-first IntakeProvenienz-Logging · Ethik-Review · Sandboxing
Human-in-the-loop

Tiefer eintauchen

Das vollständige Programm liegt auf threatbytes.dev.