1.恶意软件的基本检测方法

一个有效的，强大的和可扩展的恶意软件识别模块是每个网络安全产品的关键组成部分。基于预执行和执行后两阶段收集的数据，恶意软件识别模块来决定一个对象是否是一个威胁。

预执行阶段的数据：一个文件在执行前可获得所有数据。这可以包括可执行文件格式描述、代码描述、二进制数据统计、通过代码仿真提取文本字符串和信息机其他相似数据。（静态信息）

执行后阶段的数据：在系统中进程活动引起的行为或事件。（动态信息）

在网络时代的早期时代，恶意软件威胁的数量相对较低，简单的手工预执行规则通常是足够的检测威胁。但是自从十多年前，恶意软件数量的迅速增长使得反恶意软件解决方案不能完全依赖昂贵的手工所创建的检测规则。

机器学习在图像识别、搜索和决策方面取得了巨大的成功。安全公司也将机器学习方法应用于恶意软件的检测和分类。今天，机器学习使用多种数据包括主机数据，网络和基于云的反恶意软件组件来提高恶意软件的检测能力。

基于机器学习的恶意软件检测（二）相关推荐

卡巴斯基白皮书-基于机器学习的恶意软件检测-笔记
前言:下文用"我们"表示卡巴斯基实验室,(?)标记尚有疑问处.原文地址.这篇文章描述卡巴斯基实验室基于机器学习的恶意软件检测实践,包括静态分析和行为分析两类检测方法,以及数据预处理 ...
基于机器学习的恶意软件检测（一）
内容 1.恶意软件的基本检测方法 2.机器学习:概念和定义 1.无监督学习 2.有监督学习 3.深度学习 3.网络安全中的机器学习应用细节 1.需要大规模代表性数据集 2.训练的模型是可解释的 3.误 ...
二十四.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例
这是作者的系列网络安全自学教程,主要是关于网安工具和实践操作的在线笔记,特分享出来与博友共勉,希望您们喜欢,一起进步.前文分享了Web渗透的第一步工作,涉及网站信息.域名信息.端口信息.敏感信息及指纹 ...
[网络安全自学篇] 二十四.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例
这是作者的系列网络安全自学教程,主要是关于网安工具和实践操作的在线笔记,特分享出来与博友共勉,希望您们喜欢,一起进步.前文分享了Web渗透的第一步工作,涉及网站信息.域名信息.端口信息.敏感信息及指纹 ...
[当人工智能遇上安全] 6.基于机器学习的入侵检测和攻击识别——以KDD CUP99数据集为例
您或许知道,作者后续分享网络安全的文章会越来越少.但如果您想学习人工智能和安全结合的应用,您就有福利了,作者将重新打造一个<当人工智能遇上安全>系列博客,详细介绍人工智能与安全相关的论文. ...
【论文翻译】Gotcha - Sly Malware! Scorpion: 基于Metagraph2vec的恶意软件检测系统
Gotcha - Sly Malware! Scorpion: 基于Metagraph2vec的恶意软件检测系统摘要: 恶意软件检测由于其对互联网和计算设备安全的严重破坏和威胁,几十年来一直受到反恶 ...
基于机器学习的恶意软件加密流量检测研究分享
1 概述 2 恶意软件加密流量介绍 3 加密HTTPS流量解析 4 特征工程 5 模型效果 6 具体实施 7 总结 1 概述近年来随着HTTPS的全面普及,为了确保通信安全和隐私,越来越多的网络流量 ...
基于机器学习的入侵检测系统
导语在过去十年中,机器学习技术取得了快速进步,实现了以前从未想象过的自动化和预测能力.随着这一技术的发展促使研究人员和工程师为这些美妙的技术构思新的应用.不久,机器学习技术被用于加强网络安全系统. ...
基于机器学习的webshell检测（一）
本篇主要讲述,如何使用机器学习的方法来对网络安全中常见的风险点:webshell进行检测本篇会使用LR ,XGB两种模型进行测试, 下一篇将会使用深度学习方法来解决该问题 (1)首先我们简单介绍一下 ...

基于机器学习的恶意软件检测（二）

1.恶意软件的基本检测方法

基于机器学习的恶意软件检测（二）相关推荐

最新文章

热门文章