11、人工智能、机器学习与量子计算在恶意软件检测中的应用

人工智能、机器学习与量子计算在恶意软件检测中的应用

1. 引言

在当今时代，IT、私人和政府组织面临的最大问题当属安全威胁。这些组织每分钟都需要进行大量的信息端到端传输，而黑客会在传输过程中向原始内容中添加恶意软件，从而导致内容被破坏、修改、泄露，甚至侵犯知识产权。因此，在节点处进行有效的恶意软件检测和分析以避免安全威胁至关重要。

1.1 经典机器学习

20世纪50年代初，人工智能（AI）出现，旨在证明机器可以像人类一样执行任务。虽然AI表现良好，但准确性较低。为了提高准确性，机器学习（ML）从AI中衍生出来，它采用了概率和统计理论。1959年，著名科学家亚瑟·塞缪尔（Arthur Samuel）对ML进行了研究，并给出了广为人知的定义：ML使计算机系统能够在无需明确编程的情况下学习。不过，许多科学家对此提出了反对意见，认为ML算法并非自主学习，而是一种在被调用时才起作用的外部方法。更正式的语言将软件定义为与输入 - 输出集成相关，其基于用户已经获取的训练数据进行工作。这类软件增强了人机交互，并能快速更新以满足用户需求。电子邮件垃圾邮件过滤技术就是一个很好的例子，它通过观察用户行为学习新出现的数据，并利用数据仓库对新的垃圾邮件进行分类。如今，机器学习已经融入了人们的日常生活，为用户提供了许多服务。

1.2 机器学习与深度学习的比较

机器学习（ML）和深度学习（DL）都源于人工智能。同时，DL被认为是ML的一部分，但在采用传统ML技术方面有所不同。ML在预测实时场景时能为用户带来更多好处，但也存在一些缺点，如方差和模型复杂性等问题。而DL通过分析数据中的更多特征集，克服了ML的这些缺点。ML在处理大型数据集时可以提高系统性能，而DL则