基于深度学习的病毒检测技术无需沙箱环境，直接将样本文件转换为二维图片，进而应用改造后的卷积神经网络 Inception V4 进行训练和检测

Posted 2020-10-12 将者，智、信、仁、勇、严也。

话题 3: 基于深度学习的二进制恶意样本检测

分享主题：全球正在经历一场由科技驱动的数字化转型，传统技术已经不能适应病毒数量飞速增长的发展态势。而基于沙箱的检测方案无法满足 APT 攻击的检测需求，也受到多种反沙箱技术的干扰。在充分考察过各种技术方案的优劣后，瀚思科技开发出了基于深度学习的二进制病毒样本检测技术，可以做到沙箱同等水平的 99% 的检测准确率，而误报率低于 1/1000。基于深度学习的病毒检测技术无需沙箱环境，直接将样本文件转换为二维图片，进而应用改造后的卷积神经网络 Inception V4 进行训练和检测。极大的简化了病毒检测流程，速度更是远超沙箱技术，可以做到日均百万样本的检测量。由于深度学习是自动抽取数千万样本的海量特征，使得我们的深度学习模型具有极强的通用性，即使数月不更新，也能做到大于 90% 的检测率。

 

瀚思的安全产品做的。