微軟和英特爾合作深度學習方法 用於檢測和分類惡意軟件

本文轉自【cnBeta.COM】；

微軟和英特爾最近合作開展了一個新的研究項目，探索了一種新的檢測和分類惡意軟件的方法。該項目被稱為STAMINA（STAtic Malware-as-Image Network Analysis），該項目依靠一種新技術，將惡意軟件樣本轉換為灰度圖像，然後對圖像進行掃描，以獲取特定於惡意軟件樣本的紋理和結構模式。

英特爾-微軟的研究團隊表示，整個過程遵循了幾個簡單的步驟。首先是取一個輸入文件並將其二進制形式轉換為原始像素數據流。然後，研究人員把這個一維（1D）像素流轉成二維照片，讓正常的圖像分析算法對其進行分析。根據輸入文件的大小選擇了圖像的寬度，使用下表中的表格。高度是動態的，是將原始像素流除以所選的寬度值後的結果。

英特爾、微軟在將原始像素流組裝成一張看起來很正常的二維圖像後，研究人員隨後將生成的照片進行了調整，將其大小調整到一個較小的維度。英特爾和微軟團隊表示，調整原始圖像的大小並沒有 "對分類結果產生負面影響"，這是一個必要的步驟，這樣計算資源就不用再去處理由數十億像素組成的圖像了，這很可能會減慢處理速度。

然後，這些駐留圖像被送入預訓練的深度神經網絡(DNN)，該網絡掃描圖像，並將其分類為乾淨或感染。微軟表示，它提供了220萬個受感染的PE（Portable Executable）文件哈希值樣本作為研究的基礎。研究人員利用已知惡意軟件樣本中的60%用於訓練原始DNN算法，20%的文件用於驗證DNN，另外20%用於實際測試過程。研究團隊表示，STAMINA在識別和分類惡意軟件樣本的準確率達到了99.07%，假陽性率為2.58%。