惡意軟體的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

實戰Linux系統數位鑑識

為了解決惡意軟體的問題，作者BruceNikkel 這樣論述：

　　這是一本深入探討如何分析遭受破壞之Linux系統的書籍。你可以藉由本書瞭解如何鑑識Linux桌面、伺服器與物聯網裝置上的數位證據，並在犯罪或安全事件發生後重建事件的時間線。    　　在對Linux操作系統進行概述之後，你將學習如何分析儲存、火力系統和安裝的軟體，以及各種發行版的軟體套件系統。你將研究系統日誌、systemd日誌、核心和稽核日誌，以及守護程序和應用程序日誌。此外，你將檢查網路架構，包括接口、位址、網路管理員、DNS、無線裝置、VPN、防火牆和Proxy設定。    　　．如何鑑識時間、地點、語言與鍵盤的設定，以及時間軸與地理位置  　　．重構Linux的開機過程，從系統

啟動與核心初始化一直到登入畫面  　　．分析分割表、卷冊管理、檔案系統、目錄結構、已安裝軟體與與網路設定  　　．對電源、溫度和物理環境，以及關機、重新開機和當機進行歷史分析  　　- 調查用戶登錄會話，並識別連結周邊裝置痕跡，包括外接硬碟、印表機等    　　這本綜合指南是專為需要理解Linux的調查人員所編寫的。從這裡開始你的數位鑑證之旅。 

惡意軟體進入發燒排行的影片

基於資料極值分析的惡意軟體檢測器後門攻擊

為了解決惡意軟體的問題，作者賴啓明 這樣論述：

近年來，隨著惡意軟件數量和類型的急劇增加，機器學習(ML)逐漸應用於惡意軟件檢測領域。作為第一層的保護機制，可以顯著提高分析人員的檢測效率。基於機器學習的惡意軟件檢測方法通常需要依靠大量正確的訓練資料才能保有檢測的準確度，這也為其帶來了潛在問題，例如臭名昭著的後門攻擊。在模型訓練階段，攻擊者可以製作一些訓練樣本來毒害惡意軟件分類器，從而在不影響原始檢測效果的情況下誤判帶有後門觸發器的樣本。本文提出了一種與模型無關的後門攻擊特徵選擇方法，而不是根據對特定檢測模型的相關重要性來選擇特徵作為後門觸發器。特別是，我們分析了訓練資料的行為，並選擇目標特徵中的極值作為後門觸發器。觸發器具有隱蔽性，因為它

是從特徵中的現有值中選擇的。實驗結果表明，從效率和有效性的角度來看，我們的方法優 於現有的模型依賴攻擊。

【從賽局思考到趨勢預測，全方位實戰課套書】(勝算：賭的科學與決策智慧+傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長)

為了解決惡意軟體的問題，作者AdamKucharski 這樣論述：

《數學大觀念》作者亞瑟‧班傑明與 《數學教你不犯錯》作者喬丹・艾倫伯格，專業力挺！ 　　▎《勝算：賭的科學與決策智慧》 　　從「賽局理論」約翰・馮紐曼到《他是賭神，更是股神》愛德華．索普， 　　博奕的魔力吸引了古往今來各領域的頂尖腦袋， 　　他們的研究成果，對於理解運氣和決策有何啟發？ 　　又點出我們解讀事物的哪些常見盲點？ 　　長久以來，各領域的頂尖頭腦都深受博奕吸引，他們不斷挑戰預測的極限，探究秩序與混沌的界限，以揭曉「機會」背後的學問。從賽局理論、混沌理論、統計學、心理學、物理學、經濟學乃至人工智慧，都因「賭」而拓展了探索的疆界。 　　我們常用「運氣」和「技巧」截然劃分事情的成

因，問題是兩者的界線沒有那麼分明。了解賭的科學，你將學會洞察普遍存在的判斷盲點，更睿智地權衡風險與報酬，從而做出優質決策，控制運氣的影響。 　　●懂博奕，你會更洞察盲點 　　○輪盤贏錢策略的演進，反映出機率科學近一世紀來的發展…… 　　○賭場改用多達六副牌擾亂算牌客，為何效果適得其反？ 　　○研究放射性衰變與大腦神經元活動的「卜瓦松過程」與足球比賽何干？ 　　○為何有些投注公司反其道而行，樂於吸引精明賭客來投注？ 　　○投注業者改變賠率不是為了符合結果的真實機率，那是為啥？ 　　●懂博奕，你會更了解投資 　　○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？ 　　○交易機器人崛起後

，金融市場的哪些現象你尤其該審慎解讀？ 　　○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？ 　　○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？ 　　○投資領域的「基本分析法」，要注意什麼盲點？ 　　○購買擔保債券憑證時，要避免什麼錯誤假設？ 　　●懂博奕，你會更善於決策 　　○機會賽局中常見的「馬可夫鏈」，如何有助於尋找隱含資訊？ 　　○撲克牌是許多生活實際狀況的完美縮影，因為它試圖處理缺漏的資訊。 　　○賽局未達到最佳結果時，參與者的決定不會趨向平衡，而會大幅震盪。 　　○參與者易失誤或得在賽局中學習時，賽局理論不是找出最佳策略的好方法…… 　　●懂博奕，你會更過

好人生 　　○為什麼選擇最簡單的解釋，往往反而明智？ 　　○為何最快的解決方法，有時像在走回頭路？ 　　○人性偏誤會導致我們誤判賽事的哪些方面？ 　　○優秀的機器人程式不能只有蠻力，還要懂心理學才行。 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　最符合現今時局需求的著作，讀者異口同聲：「好看到讓你想『傳』給別人」！ 　　一種致命病毒蟄伏多年，於人群中突然其來地爆發。一場政治運動迅雷不急掩耳地展開，隨後快速銷聲匿跡。金融體系網絡中藏著「超級傳播者」，致使乍見小小的危機擴及為全球市場崩盤。一個想法如野火燎原般傳播開來，自此改變世界的樣貌…… 　　說到「傳染力」，我們往往聯

想到疾病傳播，然而本書並非僅僅探討疾病擴散的生物學，更是一本談趨勢變化軌跡的著作。數學家亞當・庫查司基長年從事流行病學研究，他擅長從統計、模型、演算法、因果論乃至大數據等角度著手，探究疾病於何時發源於何處、散播開來的熱點又是什麼（哪個人或事件、地點），從而預測事態的後續發展，並且建議妥適的因應之道。 　　由於流行病學探究傳染力所得的成果，已廣泛應用至諸多領域，因此本書內容雖以疾病傳播起頭，以疫情控制做結，然而書中頭尾之間的篇幅，則切入相當廣泛的領域，像是： 　　●金融界普遍相信分散投資能降低風險，然而已有多項研究發現，隨著「金融傳染途徑」形成，分散投資可能會破壞大型金融網絡的穩定性。 　

　●從健康、生活風格，一路到政治觀點等，我們與熟人往往具備共同特徵，科學家如何釐清這是基於同質性或共有環境？還是社會傳染所致？ 　　●從疾病流行到恐怖主義與暴力犯罪，科學家發展出預測模型，除了能協助機構擬定防治對策並妥善分配資源，亦可說服民眾配合甚至協力。 　　●網際網路創造了新形態的互動，本書探究網紅崛起、情緒感染與輿情操縱等現象，也探討網路如何成為我們研究事物傳播方式的新方法。 　　●惡意軟體鑽漏洞潛入私人電腦、駭客藉電腦系統控制科技設備，乃至程式碼共享難溯源等情形，一旦出現「疫情」可能會怎麼樣發展？ 　　……舉凡網紅現象、政治風向、創新傳播、金融趨勢、罪案偵察，乃至暴力事件等等，

作者皆以引人入勝的故事解讀各類型「擴散現象」從出現、發展到消亡的種種線索。現今的世界比以往更加環環相扣，許多現象牽一髮動全身，「傳染力法則」能夠解釋這些具備傳播特質的事物之更迭，想要解讀眾多現象與趨勢，擬出因應之道，你不能不知道！ 各界推薦 　　▎《勝算：賭的科學與決策智慧》 　　●庫查斯基以風趣的寫作，介紹必勝投注法的歷史和最新進展，讓我們了解數學和電腦如何成為強大的博奕、運動比賽、虛張聲勢和投資的輔助工具。——《數學大觀念》作者亞瑟‧班傑明 　　●這本書闡述博奕、科學與數學間的交互作用，寫得趣味橫生……記敘輕鬆連貫，而且將背後的原理寫得淺顯易懂。——英國《展望》雜誌 　　●賭客和數

學迷都會喜歡本書探討真實世界問題的切入角度。——《柯克斯書評》 　　●作者將博奕如何影響科學、科學又如何影響博奕的故事，寫得相當成功。本書淺顯易讀，但同時具備深厚的學術底蘊。——牛津大學教授J・杜恩‧法馬 　　●這本書用許許多多的故事，敘述這些鬼才如何運用數學、統計學和科學嘗試超越機率。讀過這本書後，我開始有那麼點想賭兩把了。——劍橋大學教授大衛‧史匹格赫爾特 　　▎《傳染力法則：網紅、股災到疾病，趨勢如何崛起與消長》 　　►自古至今，從聖經中的瘟疫，到當前攻占新聞頭條的新冠病毒：疾病、想法、情緒……萬事萬物都能傳播。《傳染力法則》以迷人、細膩的敘事，探索「傳染」這一門學問。讀了之後，保

證你會想「傳」給你的朋友。──《數學教你不犯錯》作者喬丹・艾倫伯格（Jordan Ellenberg） 　　►本書充分展現科普魅力：筆法趣味橫生、清楚明確；主題引人入勝、緊扣脈絡。作者亞當・庫查司基為傳染病學家，涉獵心理學、醫學、網路理論以及數學，以精采權威的論據，帶領讀者從人的想法、網路迷因梗圖、暴力事件與致命病毒，了解事物傳播的潛藏法則。本書也為自身主題下了很好的註腳——內容深具感染力，所以你看完後會想要別人也讀一下。──《數字奇航》作者艾利克斯‧貝洛斯（Alex Bellos） 　　►例證豐富，以務實角度切入，說明如何以數學幫助了解傳染，進而以更好的方式應對千變萬化的傳染形式。作者處

理議題廣泛，既談疾病大流行，亦論槍枝暴力、金融危機與不實訊息。他啟發所有讀者以數學家的方式思考問題。想了解疫病和其他具擴散性質的危機，本書不容錯過。──倫敦衛生與熱帶醫學學院院長彼得‧皮奥特（Peter Piot） 　　►以數學角度切入，精采探討有些事物何以會快速傳播，而且談的可不只是病毒。作者以旁徵博引的筆法啟迪讀者。舉例來說，他帶領讀者了解公衛模型於疾病傳播上的應用，檢視都市槍枝暴力的人際關係網絡，並使用演算法來解釋「年齡、幫派關係、逮捕紀錄」等項目……本書切合時勢、極為易讀。──《柯克斯書評》 讀者評語 　　如果想多了解「傳染」擴散背後的數學邏輯，這真的是一本好書。這本書不只探討流

行病學，也以更寬廣的格局談論股市、社群媒體……等，探討有些事物能快速「瘋傳」，有些卻欲振乏力，背後機制為何？作者是數學家，所以這本書不是生物學著作，但也非數學專書。這本書最精采的地方，在於呈現各統計模型中有多少未知因子，以及該如何建立穩固可靠的模型。作者在疾病管控領域具備專業經歷，這也增加了論點的說服力。整體而言，讀起來讓人大呼過癮。  

在組合語言層級對基於圖的物聯網惡意軟體檢測之結構性攻擊

為了解決惡意軟體的問題，作者陳子揚 這樣論述：

惡意軟體在物聯網的資安問題上一直是最重要的威脅之一.最近的研究表示基於機器學習的靜態惡意軟體檢測器在面對未知的惡意軟體有著非常強力的檢測效果.其中,利用control flow graph (CFG) 的graph-based detector能準確表示惡意軟體的語意和流程架構,因此在檢測任務上有著突出的效果.然而,機器學習本質上容易受到對抗式攻擊.對抗式攻擊是經精心擾動輸入樣本來產生能混淆模型的對抗式樣本.近年來,現在有許多對抗式攻擊的研究,致力於將惡意軟體躲過機器學習檢測器的檢測.他們透過擾動或添加少量的Bytes,使得檢測器錯誤分類為良性樣本.為了保持原始樣本的功能性,他們修改的位置通

常在程式不重要的地方,並且永遠不會執行到.但若考慮程式執行的流程架構和語意的特徵,這些不會執行的修改並不能有效的影響這些特徵,同理也難以攻擊使用這些特徵作為分類依據的檢測器.因此我們提出了一種強力的Structural攻擊方法,透過在程式注入精心製作指令序列來進行攻擊.相較於其他現有的攻擊方法,我們的攻擊內容會被實際的執行,因此成功可以影響代表了程式架構的CFG特徵,且仍然保留原始Binary的功能性.實驗結果表示,我們的方法規避使用基於圖和基於操作碼特徵的檢測器的任務上取得了非常好的效果.