原來將文件轉換為圖像是檢測惡意軟件的高效方法

人工智能的一個分支,稱為機器學習,就在我們周圍。它被Facebook用來幫助策劃內容(並以廣告為目標),谷歌每天都使用它來過濾數百萬條垃圾郵件,這也是OpenAI機器人去年在三分之二的競爭中擊敗Dota 2冠軍的原因之一三場比賽。似乎有無窮的用途。微軟和英特爾又增加了一個新選擇百家樂牌路分析ver機器學習框架,該框架在通過灰度圖像轉換過程檢測惡意軟件方面具有驚人的準確性。

微軟在博客文章中(通過ZDNet)詳細介紹了該技術,稱其為靜態的惡意軟件圖像網絡分析或STAMINA。它由三個步驟組成。簡而言之,機器學習項目通過獲取二進製文件並將其轉換為二維圖像開始。


(圖片來源:Microsoft)
然後將圖像輸入框架。第二步是稱為轉移學習的過程百家樂分析王寧,從本質上幫助算法建立在其現有知識的基礎上,同時將圖像與現有訓練進行比較。

最後,分析結果以查看效果如何 百家樂英文該過程旨在檢測惡意軟件樣本,遺漏了多少惡意軟件以及將其錯誤地歸類為惡意軟件(稱為誤報)。

作為研究的一部分,微軟和英特爾採樣了220萬個文件的數據集。其中,有60%是用於訓練算法的已知惡意軟件文件,而20%用於驗證算法。剩餘的20%用於測試該計劃的實際有效性。

微軟表示,將STAMINA應用於這些文件後,該方法可以準確地檢測出99.07%的惡意軟件文件並將其分類,假陽性率為2.58%。這些都是出色的結果。

“結果肯定鼓勵使用深度轉移學習來進行惡線上老虎機意軟件分類。它繞過了對最佳超參數和架構搜索的搜索,從而節省了時間,從而有助於加快培訓速度。百家樂分析王d在此過程中計算資源。”微軟六合彩539說。

STAMINA並非沒有局限性。該過程的一部分需要調整圖像的大小以使像這樣的應用程序的像素數易於管理。但是,對於更深入的分析和更大的應用程序,Microsoft表示,“由於免費百家樂預測軟體o將數BINGO十億像素轉換為JPEG圖像然後調整其大小的限制。”

換句話說,STAMINA非常適合在實驗室中測試文件,但需要進行一些微調,然後才能以更大的容量使用它。這可能意味著Windows Defender不會立即從STAMINA中受益,但也許有時會從中受益。

保羅·莉莉



自Commodore 64以來,Paul一直在玩PC遊戲並在計算機硬件上折騰自己的指關節。他沒有紋身,但是他認為得到一個寫有LOAD“ *”,8,1的文字會很酷。在工作時間,他騎摩托車和摔跤鱷魚(只有其中之一是對的)。