首页>会议文档 >

毛大鹏:机器学习和未知样本检测

page:
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测
毛大鹏:机器学习和未知样本检测

毛大鹏:机器学习和未知样本检测

所属会议:SACC 2017第九届中国系统架构师大会会议地点:北京


下载

手机看
活动家APP客户端

扫二维码下载
或点击下载
Android iOS

2507次
浏览次数
SACC 2017第九届中国系统架构师大会所有文档 微软亚洲研究院 闫莺:构建企业级区块链生态 先声教育 秦龙:人工智能助力新时代K12教育 闲鱼 王树彬:闲鱼架构实践 小米 李波:小米生态云应用引擎实践 徐少杰:Event sourcing & CQRS 云徙科技 李元佳:企业互联网架构实践 长虹集团 孔帅:基于Hybrid的移动应用混合开发模式架构演变 中国信息通信研究院 徐恩庆:重点行业云计算标准体系和评估思路 中国移动 刘军卫:中移苏研存储产品化之路 优调科技 朱妤晴:技术前沿进展:系统自动化调优 转转 张相於:C2C市场中推荐系统的挑战与机遇 资深技术专家 占超群:迎接在线化与开放化分析时代 李珂:vivo大规模机器学习实践 刘歧:一个简单的直播服务引发的悲剧 美团 付雅文:美团配送移动网关建设实战 美团外卖 刘宏伟:美团外卖自动化业务运维系统建设 魅族 段启智:Android多分支代码自动同步 摩拜李凯:摩拜开源技术的线上应用之路 蘑菇街 刘旭晖:大数据平台调度系统架构理论和实践 偶数科技 常雷:新一代数据仓库 去哪儿网 马文:基于Mesos Docker的Elasticsearch容器化私有云 上汽集团 李涛:站在云时代的路口 数美 关涛:实时大数据在风控中的实践 思必驰 张顺:可定制开发的语音交互技术 搜狗 张杰:前端测试质量的度量 搜狗 申贤强:分布式存储优化与离线混布弹性计算平台 搜狗语音 陈伟:搜狗智能语音之路 苏宁 黄宙:潜行狙击--业务安全大数据融合 苏宁易购 朱羿全:苏宁易购全站HTTPS实践之路 腾讯 涂远东:VR视频直播探索与创新 腾讯音乐 李深远:QQ音乐的个性化探索 腾讯音乐 罗静:全民K歌黑产对抗之路 腾讯 谭国富:深度学习在图像审核的应用 天云大数据 李从武:人工智能驱动Fintech 同盾科技 张新波:拥抱金融科技的几个误区 王苹:荣之联大数据平台的应用实践 苏宁云商 王一硼:移动端统一接入层 网易 孙建良:网易新一代对象存储引擎 阿里巴巴 江文斐:窄带高清,打造新优酷极致体验 阿里巴巴 金吉祥:万亿级数据洪峰下的消息引擎 阿里巴巴 蔡龙军:面向未来的泛内容AI平台建设实践 阿里巴巴 何源:阿里网络故障智能化治理 阿里巴巴 默燧:移动端图像加载优化与增强 阿里人工智能实验室 王天舟:语音识别技术回顾及应用 爱奇艺 张超:爱奇艺广告大数据实践 百度外卖 梁福坤:基于Druid的大数据采集即计算实践 腾讯云 陈龙:云+时代大数据平台应用方案 滴滴 许令波:统一资源调度平台建设实践 滴滴 王海:滴滴移动端基础架构的演进与探索 滴滴研究院 李秀林:智能交互 美好出行 第四范式 程晓澄:机器学习在推荐系统中的应用 瓜子二手车 彭超:瓜子云的落地 为胜科技 郭宏泽:基于容器的持续集成平台建设 海纳云 邹均:区块链与数据时代 慧川智能 刘曦:ImageNet挑战赛之后的计算机视觉新征程_IT168文库 姜凤波:全用户态服务开发套件F-Stack 金山云 郝明非:H.265在视频直播场景下的应用演进 锦佰安 冯继强:AI领域的人机识别对抗 千亿美金的验证码 京东 高新刚:京东金融数据库多场景架构实践 京东 丁俊:京东分布式K-V存储设计与挑战 京东 桂创华:京东图片系统演进 京东搜索 尹德位:京东亿级流量海量数据搜索架构 京东云 张成远:云时代的数据库演变之路 京东云 朱凌:京东云为企业提供智能化之路 VMware 张海宁:使用Kubernetes部署超级账本Fabric 58同城 沈剑:58速运数据库降压优化实践 360 李东亮:云端图像技术的深度学习模型与应用 360 陈宗志:大容量redis存储方案--Pika AWS 薛峰:云平台计算服务进化之路 INT基金会 项若飞:INTchain在大宗商品物流应用的架构探讨 Qunar 黄勇:去哪网数据库架构发展历程

文档介绍

反病毒引擎一直是安全厂商的专利,数据为王的时代,基于云端数据反病毒有了新玩法。讲述反病毒引擎发展史及其技术机制,机器学习技术在反病毒领域的应用。以及在云 平台下,如何结合机器学习技术构建新一代自我数据挖掘的反病毒检测引擎。

演讲实录

反病毒引擎一直是安全厂商的专利,数据为王的时代,基于云端数据反病毒有了新玩法。在大会第三天的云平台架构进化之路专场中,360 云安全研究部架构师毛大鹏以《机器学习与未知样本检测——云中的反病毒引擎》为主题,讲述反病毒引擎发展史及其技术机制,讲述了机器学习技术在反病毒领域的应用。以及围绕云平台下如何结合机器学习技术构建新一代自我数据挖掘的反病毒检测引擎做了分享。

毛大鹏作为360 云安全研究部架构师,主要研究虚拟化安全、反病毒引擎、反病毒沙箱、数据防泄漏,主导完成多种样本检测查杀引擎。 在云计算安全防护技术领域有丰富经验,其虚拟化安全产品在多地政务云中部署;数据安全产品也在格力电器等大型国企中广泛部署。

首先,从技术上讲:“反病毒引擎”是一套判断特定程序是否为恶意程序或可疑程序的技术机制。 而反病毒引擎大致有三代:特征码引擎、云引擎和人工智能引擎。其中,在特征码引擎时代,分为扫描特征码式反病毒引擎、启发式反病毒引擎、主动防御式反病毒引擎、本地模拟器式反病毒引擎等四种病毒引擎。到了云引擎时代,比如某个客户端发现可疑样本时,将样本发送到云端样本分析集群里进行分析跑测,然后将分析的结果形成特征库再下放到全网客户端,形成一个互联网病毒样本自动处理中心。

而人工智能时代,反病毒引擎技术原理是先通过对病毒样本的分析和分类形成样本向量和向量机,然后建立一个机器学习的决策机模型,利用决策树和向量机,对大量样本进行学习,从而识别恶意程序。这个时候,支持向量机的核心思想是将特征向量映射到一个高纬空间中,该空间中存在一个最大间隔超平面,空间中的样本点被两个互相平行的超平面隔开,分隔超平面使得两个平行超平面之间的距离最大。平行超平面之间的距离越大,分类器的总误差越小,分类的准确性越高。 对于未知样本,以支持向量机为基础的二分类划分方法,有极高的检出率。

对于安全云方面,在毛大鹏看来,用户不应该是安全的买单者,在恶意程序查杀上,基于云端大数据和机器深度学习技术可以轻松构建一个云中的反病毒引擎,确保提供网络安全保障、数据安全保障、恶意程序查杀、威胁情报等安全保障的云平台。

而云中的反病毒引擎简称为安全云引擎,基于云的强大计算能力和信息收集能力,可以将自身数据转化成威胁情报信息,再对这些信息进行数据挖掘分析,然后利用特征引擎和深度机器学习技术,将反病毒能力提升到一个前所未有的级别。

×

打开微信扫一扫,分享到朋友圈