摘要：
本文对自1947年以来的两百多篇文章进行了总结，详尽分类介绍了恶意软件的分析方法。 Android简介 Android是一个基于Linux内核的开源移动操作系统，主要为智能设备设计。Android系统的层次结构分为Linux内核层、库层、应用框架层和应用层。Linux内核层提供一些基本功能，如内存管 阅读全文
摘要：
摘要： 在视觉和NLP领域的可解释性方法在安全领域不适用，会造成严重的错误理解和解释错误。提出LEMNA->使用可解释模型解释复杂网络的局部，可用于验证模型表现，排除分类错误，并自动修补目标模型的错误。 1.引言： 1）深度学习广泛应用于恶意代码分类、二进制逆向工程、网络侵入检测，且精度很高。 2） 阅读全文
摘要：
可解释性ML：（判别履历；罪犯判刑；银行判断贷款；模型诊断——机器究竟学到了什么） 1.interpretable v.s. powerful 有些模型是自身具有可解释性的，譬如线性模型，我们可以根据权重的大小和正负来判断特征的重要与否，但是，线性模型学习能力不强。 深度学习难于解释，但学习能力很强 阅读全文
摘要：
def merge_sort(a,l,mid,r): #(l,mid) (mid+1,r) b = [0] * (r-l+1) i,j,t = 0,1,0 while True: if l + i > mid: b[t:] = a[mid+j:r+1] break elif mid + j > r: 阅读全文
摘要：
1.56层神经网络的效果为什么会比20层神经网络的效果差？ 之所以会有这样的疑问，是因为如果56层神经网络将前20层的参数设置跟20层神经网络的一样，这样56层神经网络的能力肯定比20层神经网络的强。但实际上，层数多的神经网络并不能保证比层数少的神经网络得到更好的结果，因为梯度下降并不能总是保证找的 阅读全文
摘要：
KMP: 字符串的特征向量：由特征数组成的一维数组 字符串的特征数：在i位置上的首尾真子串能够匹配的最大长度。 e.g.字符串a b a c a b 对应的特征向量是001012 KMP的主要思想是在已经匹配的模式串子串中，找到最大的相同的前缀和后缀，移动是他们重叠。 e.g. 找到P=['a b 阅读全文
摘要：
静态检测技术: 优点：可以提供测试环境更安全、速度更快。 缺点：容易受到包装器和恶意代码混淆技术、部分反拆卸技术的影响，导致静态方法无效。 主要方法： n-gram字节代码作为特征用于检测野外恶意可执行文件;(n-g表达式是指n序列中相邻的元素，而这些元素可以是字节、指令或其他信息软件的功能) 挖掘 阅读全文
摘要：
二分查找：int mid = (left+right)/2;//在两个数很大的时候容易溢出 -> left + (right-left)/2 使用位运算更快：异号 a^b<0 不等于0 a|b 费马小定理：如果p是一个质数，而整数a不是p的倍数，则有a^（p-1）≡1（mod p） e.g. 3^1 阅读全文
摘要：
比较排序： 冒泡：两两交换 选择：选择末序列最大（最小）值，同对应位置交换 插入：从后往前扫描有序序列 希尔排序：又叫做缩小增量排序，希尔增量：n/2 n/4 ... 1,O(n^2),Hibbard增量:1,3,7,2hk-1，O(n^1.5)；下界为O(nlog(2n)) 非比较排序： 桶排序： 阅读全文
摘要：
去重后,依据原来列表的顺序进行排序 a = [1,1,4,5,2,2,9,9] m = list(set(a)) m.sort(key=a.index) 处理自然语言，去除停用词 import nltk nltk.download('stopwords') [nltk_data] Error loa 阅读全文