探测电磁波就能揪出恶意软件，网友：搁这给电(2)
另一方面，除了恶意软件数据以外，AI还得知道正常情况下的信号数据。
所以除了恶意的“病毒数据库”，开发者还准备了一个良性数据集，以模拟真实场景中“随机突发”的病毒入侵事件。
哪些算是良性数据呢？
比如计算、设备睡眠、照片捕捉、网络工作连接，以及像是媒体播放这种长时间的可执行程序运行。
由于树莓派部署了一个Linux ARM v7l的Raspbian Buster操作系统，开发者就从新安装的Linux系统中收集ARM可执行文件，以此生成良性数据集。
在整个过程中，研究人员一共收集了份电磁波数据，用于训练AI。
但这些数据在交给AI用于训练之前，还需要经过一些处理，从收集数据到完成训练一共分成三步。
采用时频域分析降低噪声影响
首先，部署数据收集装置，收集信号数据。
这个数据收集装置分为被攻击设备和示波器两部分，其中树莓派是被攻击设备，高速数字转换器PicoScope 6407（示波器）用于采集和传输数据。
部署好的数据收集装置如下，其中PicoScope 6407的探针（EM probe）会被放在树莓派上，用于收集信号：
然后，对数据进行预处理。
由于收集到的电磁波信号伴随大量噪音，因此需要将收集到的信号数据进行时域和频域分析，进行特征采集：
最后，用这些数据训练AI。
为了选出最适合这项实验的AI，研究人员分别训练了SVM、NB、MLP和CNN四种类型的网络：
最后他们发现MLP和CNN是最棒的：
其中CNN还要更好一点，具体模型的架构如下：
训练结果如下，其中1963份良性数据（benign）中，只有1个被误测为DDoS；Rootkit类型的恶意软件数据全部被正确识别；DDoS和Ransomware的识别效果也不错：
当然，除了单独的恶意软件类型以外，采用混淆技术后模型分类的效果也依旧不错。
整套流程的逻辑如下：
其中，树莓派代表的是“被攻击设备”，示波器用探针在外部收集电磁信号后，传给AI进行预测，AI再将预测结果反馈给防火墙，决定是否要拦截恶意软件。
这项研究来自研究机构IRISA，目前是法国最大的计算机科学和新技术领域研究实验室之一。
设备价格接近9万
研究登上的ACSAC 2021，是一个“纯应用型”的安全会议。
然而包括Gizmodo在内的外媒表示，想要真正应用它来检测恶意软件，还有很多待解决的地方。
一方面，这篇论文采用的良性数据集，没有将所有使用场景考虑在内，涉及的主要是图片及音视频、以及一些设备良性运转的“常规活动”。
作者也在论文中提到，论文的最初目的并非检测恶意软件，而只是让AI学会给几种恶意软件做分类。至于实际检测效果还不错，只是他们的“意外发现”。
另一方面，这项研究所采用的设备价格不菲。
光是Picoscope 6407这台数字转换器，在国内某宝的价格就接近元，至少不太亲民：
要想凑齐这一整套设备，从资金上来看还是有点难度的（狗头）。
不知道研究人员后续会不会考虑从实际落地的角度出发，将这个设备成本搞得更便宜一点。
对于研究本身，有网友调侃，这是“真把脉来了”：
有人感觉这是个绝妙的想法：
但也有网友认为，这篇论文就是在扯淡，看上去应用范围（物联网）过于狭窄，只是标题上蹭了热度比较高的领域。