利用AI+大数据的方式分析恶意样本(十五)

文章目录

    • 系列文章目录
    • background
    • 硕士答辩
      • 1 恶意代码检测主要是动静结合,基于静态分析的检测是否存在边界?
      • 2 恶意代码识别的关键是其变种、加壳、混淆等经过对抗检测后生成的样本,利用深度置信网络进行分类后的泛化能力怎么样?(就是问有没有找别的数据集来进行验证)
      • 3 基于什么样的动机或者设计,选择深度信念网络?
      • 4 有没有跟别人的工作进行对比?
      • 5 如何将反汇编文件转换为图像的纹理特征
      • 6 有没有可能不将其转为asm文件,也可转化为图像
      • 一些思考
    • background
      • 1:对于同一代码,可能不同的人有不同的观点,有人认为是恶意的,有人认为不是恶意的,相应地标注数据集中可能出现矛盾,此时如何处理?谈谈你的思路。
      • 2:对于使用(调用)恶意代码的代码是否是认为是恶意代码?为什么?相应地,如何区分恶意代码的恶意和利用恶意代码的代码的

你可能感兴趣的:(基于深度学习的恶意代码检测,分类实战)