<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Détection De Malwares on CyberVeille</title>
    <link>https://cyberveille.ch/tags/d%C3%A9tection-de-malwares/</link>
    <description>Recent content in Détection De Malwares on CyberVeille</description>
    <generator>Hugo -- 0.146.0</generator>
    <language>fr-fr</language>
    <lastBuildDate>Fri, 03 Apr 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://cyberveille.ch/tags/d%C3%A9tection-de-malwares/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Transferabilité des modèles ML pour la détection de malwares PE Windows : étude comparative</title>
      <link>https://cyberveille.ch/posts/2026-04-03-transferabilite-des-modeles-ml-pour-la-detection-de-malwares-pe-windows-etude-comparative/</link>
      <pubDate>Fri, 03 Apr 2026 00:00:00 +0000</pubDate>
      <guid>https://cyberveille.ch/posts/2026-04-03-transferabilite-des-modeles-ml-pour-la-detection-de-malwares-pe-windows-etude-comparative/</guid>
      <description>&lt;h2 id=&#34;-contexte&#34;&gt;🔬 Contexte&lt;/h2&gt;
&lt;p&gt;Publié le 3 avril 2026 sur arXiv (preprint), cet article de recherche académique est produit par des chercheurs du GECAD/ISEP (Polytechnic of Porto, Portugal). Il évalue la &lt;strong&gt;transférabilité de modèles de Machine Learning (ML)&lt;/strong&gt; pour la détection statique de fichiers &lt;strong&gt;Portable Executable (PE) Windows malveillants&lt;/strong&gt;, en s&amp;rsquo;appuyant sur le standard de features &lt;strong&gt;EMBER-v2 (2 381 dimensions)&lt;/strong&gt;.&lt;/p&gt;
&lt;h2 id=&#34;-problématique&#34;&gt;🎯 Problématique&lt;/h2&gt;
&lt;p&gt;Les auteurs identifient deux défis majeurs dans la détection ML de malwares :&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
