Fabrizio99/elf-binaries-models

ELF ARM32 Malware Detection & Family Classification — checkpoints

Checkpoint di Fase 1 (detection) e Fase 2 (classificazione famiglia) del progetto fsoppelsa-malware (unipa-prova-finale).

Consumati dallo script CLI scripts/analyze_binary.py del repository sorgente.

Struttura

detection/mobilenet_v4/
  best.pt       MobileNetV4 (timm mobilenetv4_conv_small.e2400_r224_in1k),
                testa a 1 output, immagini rgb_byte_triplets
  metrics.json  accuracy 0.9984, precision 1.0, recall 0.9967, F1 0.9984
  history.json  training loss/accuracy per epoca (due fasi: testa, completa)
classification/vit_small_patch16_224/
  best.pt       ViT-Small (Sherlock, da zero), 3 classi mirai/gafgyt/other,
                immagini rgb_replicated, normalize mean=0.5 std=0.5
  metrics.json  accuracy 0.9833, macro-F1 0.9432
  history.json  training loss/accuracy per epoca (due fasi: testa, completa)

Produzione

• Detection: cnns.train_model (src/cnns.py), split cluster-disjoint 70/15/15, due fasi (backbone congelato poi full fine-tuning), AdamW, BCEWithLogitsLoss.
• Classificazione: allena_modello_famiglie (src/vit.py), split cluster-disjoint per famiglia, CrossEntropy con pesi inversi alla frequenza, ViT addestrato da zero (nessun pretraining ImageNet).

Dettagli e discussione dei risultati nella tesi *elaborato/fsoppelsa-malware.tex` (Capitolo risultati).