現在のマルウェア検出および分類手法は、一般的にパターン（シグネチャ）と行動をマルウェアから抽出するために時間のかかる且つ専門知識を必要とするプロセスに依存しています。これらのシグネチャは、しばしばデータ内の局所的な連続シークエンスに限定され、それらが互いに関連する文脈やマルウェアファイル全体における位置関係を無視している傾向があります。本研究では、専門的なドメイン知識を必要とせず、複雑なパターンと特徴量の識別に完全にデータ駆動型のアプローチを採用したディープラーニングに基づくマルウェア分類手法を提案します。