微软及英特尔周一发布新的AI应用，标榜能以图片识别技术找出恶意程序。
这项技术是由英特尔实验室及微软威胁防护情报小组共同研发而成，名为恶意软件图形静态网络分析（STAtic Malware-as-Image Network Analysis，STAMINA），它是以英特尔既有以深度迁移学习（deep transfer learning）的静态恶意程序分类法为基础，再结合微软提供的真实恶意程序样本进行训练，目的在强化恶意程序的识别速度。
深度迁移学习源为一种计算机视觉技术，简单而言，英特尔发展的恶意程序分类法，是将应用程序二进制档转换成灰阶图片后，加以扫描识别。和传统病毒的静态特征分析一样，原理是同一家族恶意程序，在文本及结构上彼此有相似性。不同家族的恶意程序，以及无害及恶意程序之间则异大于同。
STAMINA包含4大流程：预处理（图形转换）、迁移学习、评估及诠释。预处理主要是将二进制档的1D像素流（pixel stream）转成2D的照片，根据一定方法，依文件大小来决定2D像素流照片的宽度及相应高度。接着将不同像素流照片组合成适合AI处理的大小，喂给一个预先预练过的深度神经网络（deep neural network, DNN），由其分类是良性或恶意程序。
研究人员总共对STAMINA系统模型，喂入220万的恶意程序二进制档散列，及20万笔良性程序的二进制档散列。测试结果，该系统模型的分类准确度达99.07%，而误判（false positive）率为2.58%。
研究人员指出，STAMINA和传统二进制档特征或指纹分析相较，不易被程序代码混淆（code obfuscation）手法影响，也比动态分析省时。虽然它仍然有限制，例如用在分析小型文件比较有效，大型文件则因无法将数十亿像素转换JPEG档，而无法发挥效果，此时比较适合meta data的分析法。