
摘要
当前的恶意软件检测和分类方法通常依赖于耗时且知识密集型的过程来从恶意软件中提取模式(特征)和行为,这些模式和行为随后用于识别。然而,这些特征往往仅限于数据中的局部、连续序列,而忽略了它们之间的上下文关系以及在整个恶意软件文件中的分布。本文介绍了一种基于深度学习的恶意软件分类方法,该方法无需专家领域的知识,完全基于数据驱动的方法来识别复杂的模式和特征。
当前的恶意软件检测和分类方法通常依赖于耗时且知识密集型的过程来从恶意软件中提取模式(特征)和行为,这些模式和行为随后用于识别。然而,这些特征往往仅限于数据中的局部、连续序列,而忽略了它们之间的上下文关系以及在整个恶意软件文件中的分布。本文介绍了一种基于深度学习的恶意软件分类方法,该方法无需专家领域的知识,完全基于数据驱动的方法来识别复杂的模式和特征。