恶意软件相似度检测过程

https://medium.com/@QuoLab/prioritization-and-propagation-of-malware-sample-analysis-84a3bcd1e6f
这篇文章是这么一个流程，
引出问题：如果对每个二进制进行分析，那么在分析人手比较少的时候，这种会造成资源负担；同时，如果采用先来先分析或者随机选择的方法，这种方式也会造成重复分析的过程。
那么也就是说，我们需要一种手段，能够帮助我们减少人力，最大程度的分析二进制文件。

首先呢， 我们分析这个二进制的目的，就是为了能够得到这个二进制文件的内容，而且得到越多的信息越好；但是，完全不用人工分析是不可能的，必然是要靠机器和人工共同协作的过程。
那么这个时候，就出现了这么一个问题，怎么样尽可能减少人工分析的过程，又能帮助我们得到最多的样本，同时进行标注。
将问题分解，整体流程如下：

1. 构建一个相似度图，这个相似度图是以图为基础
2. 利用图聚类的方法，将这些点聚类为不同的组
3. 从每个组中，挑选一些进行分析，然后给这些组添加上标签
4. 利用半监督算法将这些标签在组内传播

---

关键算法：图聚类算法，选择某种方式挑选代表性的样本，最后利用基于图的半监督算法来完成这个东西

文章已保存为pdf