హానికరమైన సాఫ్ట్‌వేర్‌ను గుర్తించడానికి మైక్రోసాఫ్ట్ మరియు ఇంటెల్ నిపుణులు సంయుక్తంగా కొత్త పద్ధతిని అభివృద్ధి చేస్తున్నట్లు తెలిసింది. ఈ పద్ధతి లోతైన అభ్యాసం మరియు గ్రేస్కేల్‌లో గ్రాఫిక్ చిత్రాల రూపంలో మాల్వేర్‌ను సూచించే వ్యవస్థపై ఆధారపడి ఉంటుంది.
మాల్వేర్‌ను ఎదుర్కోవడానికి లోతైన అభ్యాసాన్ని ఉపయోగించే అవకాశాన్ని అన్వేషించడానికి థ్రెట్ డిఫెన్స్ ఇంటెలిజెన్స్ గ్రూప్‌కు చెందిన మైక్రోసాఫ్ట్ పరిశోధకులు ఇంటెల్ సహోద్యోగులతో కలిసి పని చేస్తున్నారని మూలాధారం నివేదించింది. అభివృద్ధి చేయబడుతున్న సిస్టమ్‌ను స్టాటిక్ మాల్వేర్-ఇమేజ్ నెట్‌వర్క్ అనాలిసిస్ లేదా స్టామినా అంటారు. సిస్టమ్ మోనోక్రోమ్ ఇమేజ్‌ల రూపంలో సమర్పించబడిన బైనరీ మాల్వేర్ ఫైల్‌లను ప్రాసెస్ చేస్తుంది. ఒకే కుటుంబానికి చెందిన ఇటువంటి మాల్వేర్ చిత్రాలు నిర్మాణాత్మక సారూప్యతలను కలిగి ఉన్నాయని పరిశోధకులు కనుగొన్నారు, అంటే ఆకృతి మరియు నిర్మాణ నమూనాలను విశ్లేషించి, నిరపాయమైన లేదా హానికరమైనవిగా గుర్తించవచ్చు.
బైనరీ ఫైల్‌లను ఇమేజ్‌లుగా మార్చడం అనేది పిక్సెల్ యొక్క రంగు తీవ్రతకు అనుగుణంగా ప్రతి బైట్‌కు 0 నుండి 255 వరకు విలువను కేటాయించడం ద్వారా ప్రారంభమవుతుంది. దీని తరువాత, పిక్సెల్‌లు వెడల్పు మరియు ఎత్తును వర్ణించే రెండు ప్రాథమిక విలువలను పొందుతాయి. అదనంగా, ఫైల్ పరిమాణం తుది చిత్రం యొక్క వెడల్పు మరియు ఎత్తును నిర్ణయించడానికి ఉపయోగించబడుతుంది. విశ్లేషణ ప్రక్రియలో ఉపయోగించే మాల్వేర్ వర్గీకరణను రూపొందించడానికి పరిశోధకులు యంత్ర అభ్యాస సాంకేతికతలను ఉపయోగించారు.
2,2 మిలియన్ ఎక్జిక్యూటబుల్ ఫైల్‌లను ఉపయోగించి స్టామినా పరీక్షించబడింది. హానికరమైన కోడ్‌ను గుర్తించే ఖచ్చితత్వం 99,07%కి చేరుకుందని పరిశోధకులు కనుగొన్నారు. అదే సమయంలో, తప్పుడు పాజిటివ్‌ల సంఖ్య 2,58% కేసులలో నమోదు చేయబడింది, ఇది సాధారణంగా చాలా మంచి ఫలితం.
మరింత సంక్లిష్టమైన బెదిరింపులను గుర్తించడానికి, మరింత సమగ్రమైన ముప్పును గుర్తించే వ్యవస్థలను రూపొందించడానికి డైనమిక్ మరియు ప్రవర్తనా విశ్లేషణతో కలిపి స్టాటిక్ విశ్లేషణను ఉపయోగించవచ్చు.
మూలం: 3dnews.ru