22、揭秘机器学习：从理论到恶意软件检测实践

揭秘机器学习：从理论到恶意软件检测实践

1. 推荐阅读

在深入探讨机器学习之前，为大家推荐一些有助于进一步理解相关主题的资料：
- 《Relational Database Design Clearly Explained, Second Edition》，作者 Jan L. Harrington。这是一本全面且易懂的资源，尤其适合刚接触关系型数据库管理系统（RDBMS）的新手。
- 《Professional Hadoop Solutions》，作者 Boris Lublinsky、Kevin T. Smith 和 Alexey Yakubovich。该书通过现代的真实案例，对 Hadoop 生态系统进行了出色且全面的介绍，并提供了保障 Hadoop 分析环境安全的建议。
- 《Professional NoSQL》，作者 Shashank Tiwari。这是一本关于 NoSQL 数据库技术的综合性参考书籍，对本章中提到的许多选项进行了更深入的探讨。

2. 机器学习的定义与困惑

在信息安全领域，存在两类人：一类是完全被机器学习吓倒的人；另一类是知道机器学习在很大程度上解决了垃圾邮件问题，但仍然对其感到畏惧的人。当 TechTarget 将机器学习描述为“一种让计算机在无需明确编程的情况下学习的人工智能类型”时，人们很容易感到困惑。计算机怎么能在没有明确编程的情况下执行任务呢？Tom M. Mitchell 在 1997 年出版的《Machine Learning》一书中给出了一个广为人知的定义：“如果一个计算机程序在任务 T 中的表现（通过性能指标 P 衡量）随着经验 E 的增加而提高，那么就说该程序从经验 E 中学习。”然而，这个宽泛的定义并