超级会员免费看
本文讨论了硕士答辩中的恶意代码检测问题，重点在于静态分析的边界、深度置信网络的泛化能力、特征提取方法以及与其他工作的对比。提出了将反汇编文件转换为图像进行纹理特征分析的思路，并对于恶意代码标注的矛盾、恶意代码的恶意性质、检测粒度的选择等进行了深入思考。
文章目录
系列文章目录
- 《利用AI+大数据的方式分析恶意样本（一）》：通过四种方法静态分析恶意软件
- 《利用AI+大数据的方式分析恶意样本（二）》：x86架构反汇编基本原理及实践
- 《利用AI+大数据的方式分析恶意样本（三）》：通过动态运行恶意软件来解析其功能
- 《利用AI+大数据的方式分析恶意样本（四）》：通过提取特征来构建恶意代码样本相互关联关系
- 《利用AI+大数据的方式分析恶意样本（五）》：一些常用的机器学习方法
- 《利用AI+大数据的方式分析恶意样本（六）》：以多种测试标准的评价方法
- 《利用AI+大数据的方式分析恶意样本（七）》：构建基于机器学习的恶意代码检测器</
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
