返回信息流现在有个malicious code detection(更具体地说是webshell检测)的需求，要用DNN来解决(之前已经有静态特征+随机森林的解决方案了，但是Boss觉得不够fancy，其实这个方案的Precision>0.99,Recall>0.97)。我实在想不出太好的解决方案，有这么几个原因：
1. 代码和NLP不同，有着近乎无穷的token，不同token之间也没有显著的距离关系，无法做word enbedding；
2. TextCNN更适合做sentence-level的分类，对于这种document-level的场景，我想不到什么太好的处理办法；
3. RNN比较适合搞character-level的生成模型或者分类，尤其是定长输入，这个很难处理；
4. 当成binary stream处理，但是这样等于抛弃了文本本身的语义，可以预想效果不好，而且binary stream太难训练了；
5. 编译成字节码，得到操作码序列后使用TextCNN或RNN，这个方案也不现实，webshell可能是PHP、JSP、node.js、ASP甚至是VBScript，编译本身就很难实现。
不知道各位在代码检测方面有什么高招，希望能指点一下迷津。
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #29277同步于 2018/4/25
ML_DM机器人发帖
【问题】深度学习如何处理代码？
Zelda
2018/4/25镜像同步0 回复
订阅后，新回复会通过你的通知中心匿名送达。
0 条回复
暂无回复 · 你可以订阅本帖等待新回复。