微软英特尔合作深度学习方法 用于检测和分类恶意软件

　　微软和英特尔最近合作开展了一个新的研究项目，探索了一种新的检测和分类恶意软件的方法。该项目被称为STAMINA（STAtic Malware-as-Image Network Analysis），该项目依靠一种新技术，将恶意软件样本转换为灰度图像，然后对图像进行扫描，以获取特定于恶意软件样本的纹理和结构模式。

　　英特尔-微软的研究团队表示，整个过程遵循了几个简单的步骤。首先是取一个输入文件并将其二进制形式转换为原始像素数据流。然后，研究人员把这个一维（1D）像素流转成二维照片，让正常的图像分析算法对其进行分析。根据输入文件的大小选择了图像的宽度，使用下表中的表格。高度是动态的，是将原始像素流除以所选的宽度值后的结果。

　　英特尔、微软在将原始像素流组装成一张看起来很正常的二维图像后，研究人员随后将生成的照片进行了调整，将其大小调整到一个较小的维度。英特尔和微软团队表示，调整原始图像的大小并没有 "对分类结果产生负面影响"，这是一个必要的步骤，这样计算资源就不用再去处理由数十亿像素组成的图像了，这很可能会减慢处理速度。

　　然后，这些驻留图像被送入预训练的深度神经网络（DNN），该网络扫描图像，并将其分类为干净或感染。微软表示，它提供了220万个受感染的PE（Portable Executable）文件哈希值样本作为研究的基础。研究人员利用已知恶意软件样本中的60%用于训练原始DNN算法，20%的文件用于验证DNN，另外20%用于实际测试过程。研究团队表示，STAMINA在识别和分类恶意软件样本的准确率达到了99.07%，假阳性率为2.58%。