AV-C: Malware Protection Test September 2017

bbszy

B100D1E55 发表于 2017-10-18 12:07
个人以前测试的情况来看，大多情况过扫描一般双击都会被AMS杀，不过也遇到过一些烈性样本初扫过后10小时 ...

他们的优先级区分并不准确

会漏掉一些有传播能力的病毒

B100D1E55

bbszy 发表于 2017-10-19 10:15
他们的优先级区分并不准确

会漏掉一些有传播能力的病毒

有可能，之前某次反馈的时候他们发现livegrid出了点问题，希望现在已经修好了……

bbszy

B100D1E55 发表于 2017-10-19 10:32
有可能，之前某次反馈的时候他们发现livegrid出了点问题，希望现在已经修好了……

这个问题没法量化测试
就是一种感觉
反正从2.7开始就是这样
相比其他有着相近检测率的友商 eset就是容易中毒一些。

B100D1E55

bbszy 发表于 2017-10-19 10:39
这个问题没法量化测试
就是一种感觉
反正从2.7开始就是这样

这点见仁见智，搭配其他一些防护措施的话ESET算比较好的一道防线，至少不乱报毒
不过话说回来，用ESET 3.0那时候我中过毒，挂马横行的时代……ESET这种保守检测肯定要漏一些，要么用自带的HIPS补一下，要么用沙盘之类补一下，反正兼容性还行

ELOHIM

微软站在最后面扎眼、扎心。

怎么就不硬呢？

ljrj123

　　“互联网+”时代的到来，标志着经济转型已驶入一个新的方向。互联网与经济体系的不断融合及渗透，进一步拓展了经济边界。伴随我国供给侧结构性改革全面发力，互联网成为我国经济转型发展不可替代的重要驱动力。
　　在大数据时代，数据的产生和收集是基础，数据挖掘是关键，数据挖掘可以说是大数据最关键也是最基本的工作。通常而言，数据挖掘也称为Data Mining，或知识发现Knowledge Discovery from Data，泛指从大量数据中挖掘出隐含的、先前未知但潜在的有用信息和模式的一个工程化和系统化的过程。
　　数据挖掘的特性大致有以下四个方面：
　　1.应用性：数据挖掘是理论算法和应用实践的完美结合。数据挖掘源于实际生产生活中应用的需求，挖掘的数据来自于具体应用，同时通过数据挖掘发现的知识又要运用到实践中去，辅助实际决策。所以，数据挖掘来自于应用实践，同时也服务于应用实践，数据是根本，数据挖掘应以数据为导向，其中涉及到算法的设计与开发都需考虑到实际应用的需求，对问题进行抽象和泛化，将好的算法应用于实际中，并在实际中得到检验。
　　2.工程性：数据挖掘是一个由多个步骤组成的工程化过程。数据挖掘的应用特性决定了数据挖掘不仅仅是算法分析和应用，而是一个包含数据准备和管理、数据预处理和转换、挖掘算法开发和应用、结果展示和验证以及知识积累和使用的完整过程。而且在实际应用中，典型的数据挖掘过程还是一个交互和循环的过程。
　　3.集合性：数据挖掘是多种功能的集合。常用的数据挖掘功能包括数据探索分析、关联规则挖掘、时间序列模式挖掘、分类预测、聚类分析、异常检测、数据可视化和链接分析等。一个具体的应用案例往往涉及多个不同的功能。不同的功能通常有不同的理论和技术基础，而且每一个功能都有不同的算法支撑。
　　4.交叉性：数据挖掘是一门交叉学科，它利用了来自统计分析、模式识别、机器学习、人工智能、信息检索、数据库等诸多不同领域的研究成果和学术思想。同时一些其他领域如随机算法、信息论、可视化、分布式计算和最优化也对数据挖掘的发展起到重要的作用。数据挖掘与这些相关领域的区别可以由前面提到的数据挖掘的3个特性来总结，最重要的是它更侧重于应用。
　　随着大数据的发展和创新，对数据处理的能力越来越来强，可以对大量的数据进行精确的分析和挖掘，并运用到工业、农业、医院、学校和银行等各个行业场景。其中NLPIR文本搜索与挖掘系统是针对互联网内容处理的需要，融合了自然语言理解、网络搜索和文本挖掘的技术，提供了用于技术二次开发的基础工具集。开发平台由多个中间件组成，各个中间件API可以无缝地融合到客户的各类复杂应用系统之中。
　　NLPIR能够全方位多角度满足应用者对大数据文本的处理需求，包括大数据完整的技术链条：网络抓取、正文提取、中英文分词、词性标注、实体抽取、词频统计、关键词提取、语义信息抽取、文本分类、情感分析、语义深度扩展、繁简编码转换、自动注音、文本聚类等。