简而言之，YARA
YARA是一种旨在（但不限于）帮助恶意软件研究人员识别和分类恶意软件样本的工具。 使用YARA，您可以基于文本或二进制模式来创建恶意软件家族的描述（或您想要描述的任何事物）。 每个描述（又称规则）均由一组字符串和一个布尔表达式组成，它们决定了逻辑。 让我们来看一个例子：
rule silent_banker : banker
{
meta :
descr iption = " This is just an example "
th
Sophos AI YaraML规则存储库
问题，疑虑，想法，结果，反馈表示赞赏，请发送电子邮件
YaraML是一种工具，可通过将scikit-学习逻辑回归和随机森林二进制分类器翻译为Yara语言，从训练数据中自动生成Yara规则。 为YaraML提供一个恶意软件文件目录和一个任意格式的良性文件目录，它将提取子字符串特征，向下选择特征空间，训练模型，然后“编译”模型并将其作为文本Yara规则返回。 要了解它的外观，请参阅由YaraML生成并在下面给出的逻辑回归Powershell检测器。
r
ml-恶意软件分类器
参考
Daniel Arp, Michael Spreitzenbarth, Malte Huebner, Hugo Gascon, and Konrad Rieck
"Drebin: Efficient and Explainable Detection of Android Malware in Your Pocket",
21th Annual Network and Distributed System Security Symposium (NDSS), Fe
NtMalDetect
这是一个开源程序，旨在使用跟踪的系统调用来检测恶意程序。 使用跟踪系统调用，并且机器学习算法将系统调用跟踪分类为良性或恶意。 （这是一个尚在开发中的未完成项目）
该项目在包含十克系统调用跟踪的TFIDF模型上使用机器学习算法，以确定给定程序是否为恶意软件。
使用情况（截至目前）
使用以下参数（强制和可选）运行NtMalDetect.py：
-r This will specify that the program we are working with is no
