Disentangling Mechanism, Budget, and Coverage in Data Augmentation for Imbalanced Malware Family Classification
Questo articolo scinde gli effetti del meccanismo di generazione, del budget di aumento e della copertura nei modelli generativi profondi per la classificazione di malware sbilanciati, riscontrando che, mentre la maggior parte dei fattori produce guadagni di prestazioni trascurabili, l'aumento del budget di aumento fornisce un miglioramento piccolo ma riproducibile per i classificatori RBF-SVM, evidenziando l'importanza critica del design sperimentale nella valutazione delle strategie di aumento dei dati.