Microsoft နှင့် Intel တို့သည် ၎င်းကို ရုပ်ပုံများအဖြစ်သို့ ပြောင်းလဲခြင်းဖြင့် malware များကို ဖော်ထုတ်ရန် ပိုမိုလွယ်ကူစေမည်ဖြစ်သည်။

Microsoft နှင့် Intel တို့မှ ကျွမ်းကျင်သူများသည် အန္တရာယ်ရှိသောဆော့ဖ်ဝဲကို ရှာဖွေဖော်ထုတ်ရန် နည်းလမ်းအသစ်တစ်ခုကို ပူးတွဲတီထွင်နေကြောင်း သိရှိလာရသည်။ နည်းလမ်းသည် နက်ရှိုင်းသော သင်ယူမှုနှင့် မီးခိုးရောင်စကေးဖြင့် ဂရပ်ဖစ်ရုပ်ပုံများပုံစံဖြင့် malware ကို ကိုယ်စားပြုသည့် စနစ်တစ်ခုအပေါ် အခြေခံထားသည်။

ခြိမ်းခြောက်မှုကာကွယ်ရေးထောက်လှမ်းရေးအုပ်စုမှ Microsoft သုတေသီများသည် malware ကိုတိုက်ဖျက်ရန် နက်နဲသောသင်ယူမှုကိုအသုံးပြု၍ ဖြစ်နိုင်ခြေကိုရှာဖွေရန် Intel မှလုပ်ဖော်ကိုင်ဖက်များနှင့်ပူးပေါင်းလုပ်ဆောင်နေကြောင်း သတင်းရင်းမြစ်ကဖော်ပြသည်။ တီထွင်ထားသည့်စနစ်အား STAtic Malware-as-Image Network Analysis သို့မဟုတ် STAMINA ဟုခေါ်သည်။ စနစ်သည် monochrome ပုံများပုံစံဖြင့်ပြသထားသော binary malware ဖိုင်များကို လုပ်ဆောင်ပါသည်။ တူညီသောမိသားစုမှ malware ၏ပုံများသည် ဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာ တူညီချက်များရှိသည်၊ ဆိုလိုသည်မှာ အသွင်အပြင်နှင့် ဖွဲ့စည်းတည်ဆောက်ပုံပုံစံများကို ခွဲခြမ်းစိတ်ဖြာနိုင်ပြီး ညင်သာပျော့ပျောင်းသော သို့မဟုတ် အန္တရာယ်ရှိကြောင်း ခွဲခြားသတ်မှတ်နိုင်ကြောင်း သုတေသီများက တွေ့ရှိခဲ့သည်။

ဒွိဖိုင်များကို ပုံများအဖြစ်သို့ ပြောင်းလဲခြင်းသည် pixel ၏ အရောင်ပြင်းထန်မှုနှင့် သက်ဆိုင်သော byte တစ်ခုစီကို 0 မှ 255 အထိ တန်ဖိုးသတ်မှတ်ခြင်းဖြင့် စတင်သည်။ ၎င်းပြီးနောက်၊ pixels များသည် width နှင့် height ကိုဖော်ပြသောအခြေခံတန်ဖိုးနှစ်ခုကိုလက်ခံရရှိသည်။ ထို့အပြင်၊ နောက်ဆုံးပုံ၏ အကျယ်နှင့် အမြင့်ကို ဆုံးဖြတ်ရန် ဖိုင်အရွယ်အစားကို အသုံးပြုပါသည်။ ထို့နောက် သုတေသီများသည် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်တွင် အသုံးပြုသည့် malware အမျိုးအစားခွဲတစ်ခုကို ဖန်တီးရန်အတွက် စက်သင်ယူမှုနည်းပညာများကို အသုံးပြုခဲ့သည်။

STAMINA သည် executable ဖိုင်ပေါင်း 2,2 သန်းကို အသုံးပြု၍ စမ်းသပ်ခဲ့သည်။ အန္တရာယ်ရှိသောကုဒ်များကို ဖော်ထုတ်ရာတွင် တိကျမှု 99,07% ရှိကြောင်း သုတေသီများက တွေ့ရှိခဲ့သည်။ တစ်ချိန်တည်းမှာပင်၊ မှားယွင်းသောအပြုသဘောဆောင်သည့်အရေအတွက်ကို အမှုတွဲများ၏ 2,58% တွင် မှတ်တမ်းတင်ခဲ့ပြီး၊ ယေဘုယျအားဖြင့် အတော်လေးကောင်းမွန်သောရလဒ်ဖြစ်သည်။

ပိုမိုရှုပ်ထွေးသော ခြိမ်းခြောက်မှုများကို ဖော်ထုတ်ရန်၊ ပိုမိုပြည့်စုံသော ခြိမ်းခြောက်မှု ထောက်လှမ်းမှုစနစ်များကို ဖန်တီးရန်အတွက် တည်ငြိမ်သော ခွဲခြမ်းစိတ်ဖြာမှုကို တက်ကြွမှုနှင့် အပြုအမူဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုဖြင့် ပေါင်းစပ်အသုံးပြုနိုင်ပါသည်။

source: 3dnews.ru