Work

Clasificación de familias de malware mediante representaciones en imagen y técnicas de visión artificial

Year: 2026
Type: dissertation
Abstract: El malware constituye una de las principales amenazas para la ciberseguridad actual, tanto por su crecimiento exponencial como por la creciente sofisticación de las técnicas de ofuscación que limitan la eficacia de los métodos de detección tradicionales basados en firmas. Este TFG aborda la clasificación de malware por familias mediante visión artificial, que transforma los binarios ejecutables en imágenes en escala de grises y delega su análisis en algoritmos de aprendizaje automático, evitando la ejecución de código. Sobre el Blended Malware Image Dataset (13.747 muestras de 31 familias, imágenes de 64x64 pixeles) se han implementado y comparado dos enfoques. Los modelos clásicos, que combinan el descriptor HOG con reducción de dimensionalidad PCA y clasificadores KNN, SVM y árbol de decisión. Frente a ellos, tres arquitecturas de aprendizaje profundo: una red neuronal convolucional (CNN) propia y dos modelos preentrenados mediante transfer learning, ResNet50V2 y EfficientNetB0. El desbalance entre familias se gestionó mediante la ponderación de clases. Los modelos de aprendizaje profundo superaron a los clásicos: la ResNet50V2 obtuvo una mayor exactitud (92.47%) seguida de la CNN (92.09%) y EfficientNetB0 (89.04%) frente al 89.9% del mejor modelo clásico (KNN). No obstante, la CNN propia ofrece una mejor relación rendimiento/coste con un número de parámetros 21 veces menor que la ResNet. Un análisis de robustez ante la corrupción progresiva de las imágenes reveló que los modelos más precisos en condiciones limpias son a su vez los más frágiles ante perturbaciones, mientras que EfficientNet, el menos preciso, es el más resistente. La interpretabilidad se abordó con Grad-CAM, validando que las redes se centran en regiones estructurales del binario. Finalmente, los resultados se materializaron en una aplicación de análisis que incorpora una clase benigno y un ensemble de los tres modelos para su uso en condiciones reales.
Language: Spanish
Subfield: Software
Open Access status: green
OpenAlex ID: W7220219815
Cites: 26
Cited by:
Related to: 10