On the Feasibility of Stealthily Introducing Vulnerabilities in Open-Source Software via Hypocrite Commits

基于行为特征分析的微博恶意用户识别

恶意代码第一章笔记

论文用机器学习算法检测恶意代码，分别针对静态、动态这2 种分析模式下的检测方案进行了讨论，涵盖了恶意代码样本采集、特征提取与选择、机器学习算法分类模型的建立等要点。对机器学习算法下恶意代码检测的未来工作与挑战进行了梳理。为下一代恶意代码检测技术的设计和优化提供了重要的参考。

当前深度学习赋能的恶意代码攻防研究已经成为网络安全领域中的热点问题。当前还没有针对这一热点问题的相关综述，为了及时跟进该领域的最新研究成果，本文首次且全面地综述了深度学习赋能的恶意代码攻防研究进展。

深度学习在Android恶意软件检测中的应用综述 A Review on The Use of Deep Learning in Android Malware Detection Abdelmonim Naway IJCSMC, Vol. 7, Issue. 12, December 2018, pg.42 – 58

为了保护网页不被嵌入恶意代码，提出了一种基于网页文件代码分类检测技术的恶意代码检测系统，并完成了软件设计与开发。该系统采用J2EE技术开发，能够对网页文件进行代码分类扫描，并根据不同的扫描结果进行相应的处理。通过实际应用表明，采用代码分类检测技术能够高检出、低误报的识别出多种恶意代码，达到了设计要求。

使用机器学习进行恶意Web内容检测 注意 - 1.如果您遇到任何问题，请首先参考 。 如果仍然无法解决，请使用适当的模板提出问题（错误报告，问题，自定义问题或功能请求）。 2.请通过加注星标来支持该项目:) 复制项目的步骤- 使用以下命令pip install -r requirements.txt安装所有必需的软件包。 输入pip -V确保您的pip与您使用的Python版本一致。 将项目文件夹移动到正确的本地主机位置。 例如。 如果是Mac， /Library/WebServer/Documents 。 （如果使用的是Mac，则）授予写入标记文件sudo chmod 777 markup.txt 。 在clientServer.php修改Python 2.x安装的clientServer.php 。 （如果使用的是Mac以外的其他设备，则）将features_extraction.py中的localhost路径修改为您的localhost路径（或将应用程序托管在远程服务器上并进行必要的更改）。 转到chrome://extensions ，激活开发人员模式，点击解压后的

使用深度学习的混合恶意代码检测 关于 这是一种基于深度学习的混合恶意代码检测方法的Keras实现。 基本上，它是由自动编码器和深度信任网络组成的混合模型。 有关数据集的详细信息，请。 Python依赖 脾气暴躁的 凯拉斯 大熊猫 Scikit学习 张量流 环境设定 如果使用Python Ananconda Environment，则更可取。 您可以从下载 使用以下命令创建新的conda环境： conda create -n hybrid-code python=3.5 通过运行以下代码来激活环境： source activate hybrid-code 要安装所需的库，请运行以下命令：

web安全测试培训和案例展示