基于序列嵌入的注意力（Sequential Embedding-based Attentive, SEA）分类器用于恶意软件分类

智能设备的迅猛增长带来了诸多安全威胁，其中最突出的威胁之一便是恶意软件（malware）。恶意软件具备破坏设备乃至导致整个网络瘫痪的能力，因此，尽早检测并有效应对恶意软件至关重要，以避免造成灾难性后果。本文提出了一种基于前沿自然语言处理（Natural Language Processing, NLP）技术的恶意软件检测解决方案。我们的核心目标是构建一个轻量且高效的分类器，能够适用于各类异构设备，无论是资源受限的终端设备，还是计算能力较强的主机系统。所提出的模型在基准数据集上进行了测试，取得了99.13%的准确率和0.04的对数损失（log loss）得分，表现出优异的性能。