Survey, Detection and Classification by Deep Learning approach
防毒廠商多為採用signature based的方式進行偵測,每天都會有超過三十萬個新的惡意程式變種出現,對一般防毒廠商來說根本來不及對各惡意程式產生出signature,而造成風險存在。此外,因各防毒廠商對惡意程式的命名莫衷一是,而使大家對同一支惡意程式會有不同定義,導致使用者無法知道這個惡意程式確切對裝置的影響為何,也就無法進一步決定是否要承擔執行該檔案的風險。
期望透過深度學習(人工智慧)方式,代替傳統曠日廢時的人工演算法,以偵測出未知惡意程式,同時對其貼上標籤,提供一個全盤綜合性的觀點,供使用者評估。
-
Presentation slides: https://docs.google.com/presentation/d/13BuVpY7KrMP8CRdiCzNTJ6S6OnnHH8-yz07dgCtPW_M/edit?usp=sharing
-
Implement report: https://docs.google.com/document/d/1CYyA1mZ0njY-OBv7SjZH_d7WXhZT4xxPvLg3n40Cdno/edit?usp=sharing
-
Malware label survey: https://hackmd.io/FLYE5BzcTZm0wmprXKutQw?both
-
Dataset: https://drive.google.com/drive/folders/1p_1-EB8r9Ge58uVslQZeo1aHbEHEwcYh?usp=sharing