ThreatBytes
Super Intelligence für neuartige Malware-Forschung. Gründer & Principal Researcher.
Programm →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
Artefakte
Offene Artefakte zur Malware-Analyse.
Template · Lizenz MIT · v1.0
Malware Analysis Report Template
Ein standardisiertes Berichtsformat mit JSON Schema und Markdown-Vorlage, abgebildet auf MITRE ATT&CK.
YARA · Lizenz MIT · v1.0
YARA Rule Starter Kit
Getestete, dokumentierte YARA-Regeln mit sicheren Test-Fixtures und CI, die jede Regel bei jedem Push prüft.
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
Tiefer eintauchen