電腦病毒的問題，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

一條線有多長?：生活中意想不到的116個數學謎題

為了解決電腦病毒的問題，作者RobEastaway 這樣論述：

最受歡迎的生活數學暢銷書《為什麼公車一次來3班？》續作 116個隱藏在日常生活中，有趣又好玩的數學謎題！ 符合PISA數學素養精神，培養數感，打開你的數學腦！ 「對大多數的讀者來說，『只有在熟悉的環境背景中學習，才能真正理解數學。』…… 作者們所提出的問題儘管近乎『粗淺俚俗』，卻總是在最後提供了出人意表但又極有意義的解答，而擴充了我們的知識視野。…… 想要讓數學教學變得有趣一點的數學老師，本書絕對是值得珍藏的武林祕笈。」 ――臺灣師範大學數學系退休教授 洪萬生 兩點之間最短的距離不是直線？ 明明是兩個選一個，為什麼機率不是五五波？ 如何在方形中放入最多的圓形硬幣？ 慢速行駛高速公路，車

資會變多？ 如何精準估算傳染病感染人數？ 明年冬天，我會感冒嗎？ 電梯怎麼等這麼久還不來，走樓梯會不會比較快？ …… 我們的生活裡原來處處隱藏了數學魔術， 讓人驚呼「數學真是太有用、太有趣了」！ 你知道嗎？荒腔走板的歌聲也有可能是天籟美聲！利用數字1就能看破騙術，而且1%也能變成50%，還有堅守「37%原則」就可以覓得佳偶！ 你有沒有想過，為什麼一星期有七天？為什麼球員變強了，比賽卻輸了？八卦新聞為什麼散佈那麼快？為什麼頭彩得主很少獨贏？如何計算一個都市的平均車速？計乘車司機怎樣讓收入提到最高？……在我們的生活裡，隨處都是有趣的數學謎題。 　　 本書兩位作者是熱愛猜謎及解決數學問題的暢銷書

作家，而各行各業的專家也為本書助了一臂之力，例如知名的電梯公司主管解釋電梯升降的邏輯、倫敦運輸局專家揭開計程車表的奧祕，以及其他諸如手稿鑑定專家、傳染病醫療專家、流行音樂界專業人士等，讓本書具高度的娛樂性，同時提供權威的科普知識。 在生活中解答數學謎題，不但趣味橫生、驚奇不斷，更能培養最佳數感！  

電腦病毒進入發燒排行的影片

消費者使用付費防毒軟體因素之探討

為了解決電腦病毒的問題，作者鄭豐安 這樣論述：

從AVC實驗室（AV-comparatives）2020年1月公佈的2020 IT安全調查中可以得知，防毒軟體公司可以針對目前佔4成比例的免費防毒軟體使用者加強行銷，以提升營收。因此，了解消費者付費使用防毒軟體的因素有其必要。本研究運用電子商務系統成功模型（E-commerce Systems Success Model）、國際標準ISO/IEC 25010及消費者行為矩陣模型（Consumer Behaviour Matrix）的架構，分別定義「知覺價值」變項與五個子變項之功能性、易用性、可靠性、安全性、服務品質，及「降低風險」與「購買行為」三個變項進行測量。結果發現付費使用者雖重視防毒軟

體的安全性，但購買時仍以防毒軟體的功能及價格作取捨；免費使用者則取決於防毒軟體公司提供的服務是否能讓消費者感受到用心。本研究成果可供防毒軟體公司了解付費與免費使用者對於防毒軟體需求，做為產品定位的參考，以提升消費者付費使用防毒軟體的意願。

超人60天特攻本：數位科技概論與應用(112年統測適用)

為了解決電腦病毒的問題，作者薛博仁 這樣論述：

　　依據108課綱，升科大/四技/二專必備專書 　　抓住重點、掌握趨勢、精選題目，考前衝刺效率更加倍！ 　　✽60單元好複習：歸納歷年得分重點 60 大單元，輕鬆運用一天一單元的架構，快速完成統測複習。 　　✽趨勢導向看清楚：依照108~111 年統測考題進行統計分析，讓考生清楚統測命題趨勢。 　　✽統測考題即時通：由統測題型重新變化出題，即時透過單元測驗檢視自己的學習狀態。 　　✽專有名詞全收錄：彙整常見專有名詞，一網打盡、迅速吸收。 　　✽單位&計算題大彙整：重要計量單位&計算題一次到位，建構致勝關鍵。 　　✽輕薄小巧好攜帶：比十吋平板還小本，便於攜

帶、隨時複習。 　　✽跨領域加深加廣：運用專業延伸，有效銜接大學課程，跨領域學習創造斜槓歷程。

機器學習針對勒索病毒之效能佔用與行為分析

為了解決電腦病毒的問題，作者劉宇軒 這樣論述：

　　隨著科技日漸普及，網路與電腦的使用成為現今生活中不可或缺的一部份，據統計許多企業、公司與個人用戶遭遇電腦病毒的概率大幅提升，近年來在眾多惡意軟體（Malware）中最常遇到的以勒索軟體（Ransomware）為主。　　本研究針對惡意軟體中的勒索軟體進行行為與效能占用的分析，透過布穀鳥沙盒（Cuckoo Sandbox）的動態分析得到勒索軟體的API（Application Programming Interface）；利用TF-IDF（Term Frequency-Inverse Document Frequency）演算法將勒索軟體進行動態分析後的API計算重要程度，找出TF-IDF值

較高排名的API作為特徵，並利用監控器(Monitor)監控沙盒內勒索軟體執行時記憶體的變化，將執行前後的記憶體變化記錄起來，將執行時所記錄的前三十秒的當前記憶體變化作為特徵。　　將勒索軟體的API與監控器所記錄的記憶體變化作為特徵值，透過機器學習（Machine Learning）的方式進行訓練，並獲得分類模型，利用訓練後的演算法針對勒索軟體進行判斷是否為勒索軟體。