基于人工智能的恶意软件情报：检测与分类领域中机器学习与深度学习方法的综述

《ARTIFICIAL INTELLIGENCE REVIEW》：AI-powered malware intelligence: a review of machine and deep learning paradigms in detection and classification

　　

摘要

恶意软件依然是现代计算机和数字系统面临的最严重威胁之一。由于其不断演变的特点，防范和检测恶意软件变得越来越复杂。传统的基于规则的检测方法往往无法有效应对新型或经过混淆处理的恶意软件变种。因此，近年来的研究重点在于利用机器学习和深度学习方法来识别不断变化的恶意模式，从而检测出此前未曾出现过的威胁。自2015年以来，应用人工智能技术进行恶意软件检测与分类的研究大幅增加。本文对当前用于恶意软件分析的先进机器学习和深度学习算法进行了综述。为确保方法的严谨性和透明度，本文采用了系统性评价和元分析的优先报告项目（PRISMA）框架。该综述深入评估了现有模型的优点与局限性，分析了它们在检测和分类不同类型恶意软件方面的性能，并探讨了数据集不平衡、对抗性攻击以及模型泛化能力等新兴挑战。最后，本文提出了旨在提升人工智能驱动的恶意软件检测系统的稳健性、可扩展性和可解释性的关键研究方向。