← नवीनतम पेपर
🤖 machine learning

LLM-Generated Samples for Android Malware Detection

यह अध्ययन प्रदर्शित करता है कि जबकि फाइन-ट्यून किए गए LLM-जनरेटेड सिंथेटिक डेटा का उपयोग एंड्रॉइड मैलवेयर के दुर्लभ डेटासेट को डिटेक्शन सटीकता से समझौता किए बिना प्रभावी ढंग से बढ़ाने के लिए किया जा सकता है, फिर भी यह वास्तविक दुनिया के डेटा की तुलना में एक स्टैंडअलोन ट्रेनिंग स्रोत के रूप में अपर्याप्त बना हुआ है।

मूल लेखक: Nik Rollinson, Nikolaos Polatidis

प्रकाशित 2026-01-27
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Nik Rollinson, Nikolaos Polatidis

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक सुरक्षा गार्ड हैं जो भीड़भाड़ वाले शहर में एक विशिष्ट प्रकार के चोर को पहचानने की कोशिश कर रहे हैं। अपना काम अच्छी तरह से करने के लिए, आपको असली चोरों की तस्वीरों का अध्ययन करने की आवश्यकता है ताकि आप उनके चेहरों, कपड़ों और आदतों को पहचान सकें। लेकिन क्या होगा यदि आपके पास किसी विशिष्ट प्रकार के चोर, जैसे कि "BankRobbers" (बैंक लुटेरे), की केवल कुछ ही तस्वीरें हों, और आपको अपनी नज़र तेज़ करने के लिए और अधिक तस्वीरों की आवश्यकता हो?

यह शोध पत्र इन अतिरिक्त तस्वीरों को प्राप्त करने का एक नया तरीका बताता है: एक सुपर-स्मार्ट AI (जिसे लार्ज लैंग्वेज मॉडल या LLM कहा जाता है) से उन नकली चोरों की तस्वीरें बनाने के लिए कहना जो उसने वास्तविक तस्वीरों को देखकर सीखी हैं। शोधकर्ता यह जानना चाहते थे: क्या ये AI-निर्मित तस्वीरें हमें असली चोरों को पकड़ने में मदद करेंगी, या वे सुरक्षा गार्ड को भ्रमित कर देंगी?

यहाँ एक सरल विवरण दिया गया है कि उन्होंने क्या किया और उन्हें क्या पता चला:

सेटअप: "फोटो एल्बम" और "AI कलाकार"

शोधकर्ताओं ने तस्वीरों के एक वास्तविक एल्बम (एक डेटासेट जिसे KronoDroid कहा जाता है) से शुरुआत की, जिसमें तीन विशिष्ट प्रकार के एंड्रॉइड मैलवेयर (बुरे ऐप्स) की तस्वीरें थीं:

  1. BankBot: वे चोर जो बैंकिंग जानकारी चुराते हैं।
  2. Locker/SLocker: वे जो आपके फोन की स्क्रीन को लॉक कर देते हैं।
  3. Airpush/StopSMS: वे जो विज्ञापन स्पैम करते हैं या गुप्त टेक्स्ट भेजते हैं।

उन्होंने एक AI कलाकार (विशेष रूप से GPT-4.1-mini नामक मॉडल) से उन वास्तविक तस्वीरों को देखने और उनके जैसे दिखने वाले नए, नकली चित्र बनाने के लिए कहा। उन्होंने AI से प्रत्येक प्रकार के चोर के लिए 50 से 150 नकली तस्वीरें बनाने की कोशिश की।

तीन प्रयोग

यह परीक्षण करने के लिए कि क्या AI द्वारा बनाई गई ड्राइंग उपयोगी थी, उन्होंने अपने सुरक्षा गार्डों (मशीन लर्निंग मॉडल) के लिए तीन अलग-अलग प्रशिक्षण परिदृश्य चलाए:

  1. "केवल वास्तविक" (Real Only) टेस्ट: गार्ड ने केवल वास्तविक तस्वीरों का अध्ययन किया।

    • परिणाम: गार्ड एक मास्टर डिटेक्टिव बन गया। उन्होंने लगभग हर चोर को लगभग पूर्ण सटीकता के साथ पकड़ा। यह स्वर्ण मानक (gold standard) है।

  2. "वास्तविक + नकली" (Real + Fake) टेस्ट: गार्ड ने वास्तविक तस्वीरों साथ ही AI-निर्मित नकली तस्वीरों का अध्ययन किया।

    • परिणाम: गार्ड ने अभी भी अद्भुत काम किया, लगभग "केवल वास्तविक" समूह के समान। नकली तस्वीरों ने उन्हें भ्रमित नहीं किया; उन्होंने बस थोड़ा अतिरिक्त अभ्यास प्रदान किया। यह एक वास्तविक मानचित्र और उसी शहर के कुछ हाथ से बने रेखाचित्रों का अध्ययन करने जैसा है; आप फिर भी रास्ता जानते हैं।

  3. "केवल नकली" (Fake Only) टेस्ट: गार्ड ने केवल AI-निर्मित नकली तस्वीरों का अध्ययन किया और फिर वास्तविक चोरों पर उनका परीक्षण किया।

    • परिणाम: यह मिला-जुला रहा।
      • BankRobbers के लिए, गार्ड ठीक-ठाक था लेकिन लगभग आधे वास्तविक चोरों को चूक गया।
      • Phone Lockers के लिए, गार्ड लगभग अनुमान लगा रहा था (जैसे सिक्का उछालकर निर्णय लेना)।
      • Spam/Text Thieves के लिए, गार्ड ने आश्चर्यजनक रूप से अच्छा प्रदर्शन किया और उनमें से अधिकांश को पकड़ा।
    • अंतर क्यों आया? शोधकर्ताओं ने पाया कि AI "Spam/Text" चोरों को बेहतर तरीके से बनाने में सक्षम था क्योंकि उनके पास सीखने के लिए अधिक वास्तविक उदाहरण थे और AI ने उन्हें बनाने का अधिक अभ्यास किया। AI अन्य दो प्रकारों के जटिल विवरणों को पकड़ने में संघर्ष करता रहा।

मुख्य निष्कर्ष

शोध पत्र एक सरल नियम के साथ समाप्त होता है:

  • AI ड्राइंग "खाली जगहों को भरने" के लिए बेहतरीन हैं। यदि आपके पास किसी विशिष्ट चोर की पर्याप्त वास्तविक तस्वीरें नहीं हैं, तो AI से कुछ नकली तस्वीरें बनाने के लिए कहना आपके सुरक्षा गार्ड को बिना उसके प्रदर्शन को नुकसान पहुँचाए बेहतर बनाने में मदद कर सकता है।
  • AI ड्राइंग किसी का विकल्प नहीं है। आप एक सुरक्षा गार्ड को केवल AI ड्राइंग पर प्रशिक्षित नहीं कर सकते और यह उम्मीद नहीं कर सकते कि वह वास्तविक चोरों को पकड़ेगा। नकली तस्वीरों में सूक्ष्म, वास्तविक दुनिया के विवरण छूट जाते हैं जो केवल वास्तविक चीज़ों में मौजूद होते हैं।

"कुकिंग क्लास" का रूपक

इसे खाना बनाना सीखने की तरह समझें:

  • वास्तविक डेटा (Real Data) एक असली, पूरी तरह से पके हुए स्टेक (steak) को चखना है।
  • AI डेटा (AI Data) एक AI द्वारा यह वर्णन करना है कि स्टेक का स्वाद कैसा होता है और आपके लिए एक रेसिपी लिखना है।

यदि आप असली स्टेक चखते हैं और AI की रेसिपी भी पढ़ते हैं, तो आप एक बेहतरीन कुक बनेंगे। लेकिन यदि आप केवल AI की रेसिपी पढ़ते हैं और कभी असली स्टेक का स्वाद नहीं लेते, तो आप एक ऐसा व्यंजन बना सकते हैं जो दिखने में तो स्टेक जैसा हो, लेकिन उसका स्वाद वैसा न हो। आप उस गुप्त सामग्री को मिस कर सकते हैं जो केवल असली चीज़ में मौजूद होती है।

संक्षेप में: जब आपके पास वास्तविक उदाहरण कम हों तो अभ्यास करने के लिए AI का उपयोग करें, लेकिन वास्तविक काम करने के लिए कभी भी केवल AI पर निर्भर न रहें।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →