《当人工智能遇上安全》系列博客将详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。为了更好的帮助大家从事安全领域机器学习和深度学习（AI+安全）相关的研究，这篇文章将分享安全相关的数据集供大家下载和实验，包括恶意URL、流量分析、域名检测、恶意软件、图像分类、垃圾邮件等，也欢迎大家留言推荐数据集供我补充。基础性文章，希望对您有所帮助~

从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。前两篇文章讲解了神经网络基础概念、Theano库的安装过程及基础用法、theano实现回归神经网络，这篇文章主要讲解机器学习的基础知识，再通过theano实现分类神经网络，主要是学习"莫烦大神" 网易云视频的在线笔记，后面随着深入会讲解具体的项目及应用。基础性文章，希望对您有所帮助，也建议大家一步

智能规划来源于人工智能对理性行为研究，针对一个具体行为的实施目的，开展动作规划以模拟或指导行为的实施，是AI开展研究的关键问题。本文主要介绍PDDL规划领域定义语言的基础语法知识和示例详解，希望文章对您有所帮助。

《当人工智能遇上安全》系列博客将详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将讲解如何学习提取的API序列特征，并构建机器学习算法实现恶意家族分类，这也是安全领域典型的任务或工作。基础性文章，希望对您有所帮助~

作者将重新打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。AI技术蓬勃发展，无论是金融服务、线下生活、还是医疗健康都有AI的影子，那保护好这些AI系统的安全是非常必要也是非常重要的。目前，AI安全是一个非常新的领域，是学界、业界都共同关注的热门话题，本论坛将邀请AI安全方面的专家，分享交流智能时

该系列文章主要介绍PDDL人工智能知识，规划领域定义语言，是一种解决人工智能规划问题的比较前沿的方法。PDDL常用于解决智能规划问题，例如机器人将一个屋子的球搬运到另一间屋子里，通过合理的组织流程建造一间房子等。PDDL的规划任务（planning task）由五部分组成。由于自己也是初学者，所以欢迎大家批评指正，也希望文章对您有所帮助，一起加油喔~

前一篇博客介绍一种基于攻击意图驱动与序列学习的APT检测方法（Attack Intent-driven and Sequence-based Learning，AISL），依据攻击意图对潜在攻击行为进行识别与标注。本文介绍一篇智能体与入侵检测结合的创新性论文，该论文提出了IDS-Agent，这是首个由大语言模型（LLM）驱动的人工智能入侵检测Agent系统，其特点是能够解释检测结果、进行自定义设置

前一篇博客介绍一种基于攻击意图驱动与序列学习的APT检测方法（Attack Intent-driven and Sequence-based Learning，AISL），依据攻击意图对潜在攻击行为进行识别与标注。本文介绍一篇智能体与入侵检测结合的创新性论文，该论文提出了IDS-Agent，这是首个由大语言模型（LLM）驱动的人工智能入侵检测Agent系统，其特点是能够解释检测结果、进行自定义设置

前一篇博客介绍一种基于LLM少样本多标签的Android恶意软件检测方法，旨在提升噪声场景和数据稀缺场景下的检测鲁棒性。本文提出了一种新颖的攻击意图驱动与序列学习相结合的APT检测方法（Attack Intent-driven and Sequence-based Learning，AISL）。本文构建了面向网络事件的专用本体模型，设计并生成融合多源审计数据的溯源图，依据攻击意图对潜在攻击行为进行

该文是贵大0624团队论文学习笔记，分享者陈超帆同学，未来我们每周至少分享一篇论文笔记。前一篇博客介绍了Computers & Security2022的MPSAutodetect，提出基于堆叠去噪自编码器的恶意Powershell脚本检测模型。这篇文章将带来CCS’21清华大学的DeepAID，提出一种基于深度学习的异常检测模型，一个能够有效融合深度学习优势与可解释性机制，且具备良好适应性和扩展