利用AI+大数据的方式分析恶意样本(十七)

本文介绍了两篇关于基于virustotal标签的论文,探讨了在有监督学习前如何利用AI和大数据处理恶意样本。第一篇论文详述了处理VT标签的问题,如别名检测、厂商一致性等,并提出了标记方法。第二篇论文提出了AVClass2,增加了文件属性和行为信息的提取,构建开放分类法,并能自动更新知识库。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文主要介绍两篇基于virustotal打标签的论文,可用于有监督学习之前的数据准备工作


第一篇

  • 标准化
  • 泛家族的删除
  • 别名检测

目前利用vt tag存在的一些问题:

  • 鸡与蛋的问题:手工标记、如何验证,确定家族数据集、新样本的归类是否在范围内
  • 缺乏标准的命名约定:如1991cara和最近cme
  • 有的厂商主要是检测是否恶意,而非家族分类
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

西杭

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值