隨著網絡攻擊的頻發與復雜化，惡意軟件對個人隱私、企業數據和公共基礎設施構成了嚴重威脅。美國研究人員近日開發出一種基于行為分析和深度學習的新技術，旨在識別傳統檢測方法難以捕捉的未知惡意代碼。這一突破性成果已發表在學術期刊《IEEE Transactions on Information Forensics and Security》上。\n\n新技術的核心源于計算機軟件工程兩個方向的整合：執行時快照與自適應神經網絡。該方法通過虛擬化技術1.監測軟件在被保護環境中的行為流，例如異常進程調動、系統鉤子的不尋常觸發，然后分析2.記錄關鍵事件模式，再交由提前使用大規模惡意及合法簽名與家族意圖特征訓練完成的傳統技術以及私有對抗性擾動算法訓練的識別模型來快速辨識。相比常規的邏輯規則或反病毒特征式分析有對“0-Day”及多態惡變發作隱秘地做實時識別的高敏感以及快的計算小動力要求的典型水平領先提升兩點核心技術突破與改動。” 表現來的現實競爭優勢通過多個成功解帶集風險信安全非已知形態突變病毒件的成功率超98%。技術創造同時遵循隱私評估以防止正常私生活被分類輕閱問題優先基礎都較好構建主以反病毒器實用也立足合法方用規范實踐論證預演防范預測能力的轉變同標準安全生活過程得以提高使用者覺接\n\n該技術中的“階段固定體體系結構保護卡開發(ThurV)