大数据环境下的恶意代码检测 

　　  　　张东红^1，2张震宇^1，3 

　　¹中国科学院软研究所 计算机科学国家重点实验室 

　　²中国科学院大学³加州大学 软件研究院 

　　时间：2017年05月15日 14:00 – 15:00 

　　地点：中科院软件所（中关村南四街四号）5号楼337室 

　　摘要：大数据环境背景下，特征码识别、软件行为识别等人工或传统检测方法难以应用在数据量大、软件行为复杂、实时性要求高的场景。借助机器学习的代码检测模型，通过大数据量的训练，能够更快速、有效地识别恶意代码。近年来，机器学习方法辅助恶意代码识别，已经渐渐成为流行趋势。我们的工作从图像识别和文本分类两个方面对机器学习在恶意代码检测中的应用进行了介绍。报告中，我们将用相关的实验数据充分展现大数据背景下机器学习方法在恶意代码检测中的应用和前景。 

　　简历：张东红（报告人），中国科学院软件研究所计算机科学国家重点实验室硕士研究生；本科毕业于哈尔滨工程大学；主要从事恶意代码检测、信息泄露检测、SQL注入漏洞检测等研究；目前已有多篇会议和期刊论文发表，申请多项软件著作权和专利。张震宇（导师），中国科学院软件研究所计算机科学国家重点实验室副研究员；硕士毕业于清华大学，博士毕业于香港大学；曾就职于SUN中国工程院、微软亚洲研究院、香港大学、香港城市大学、加州大学；主要研究方向为软件工程，相关成果发表于TSE、T-Rel、Computer、ICSE、FSE、WWW、ISSRE、ASE等期刊及会议，多次获得会议最佳论文奖、优秀论文奖。 

　　　　（本工作曾为“xKungfoo 2017信息安全交流大会”特邀报告。）