Microsoft Malware Classification Challenge (BIG 2015)

For each file, the raw data contains the hexadecimal representation of the file's binary content, without the PE header (to ensure sterility). Also provided is a metadata manifest, which is a log containing various metadata information extracted from the binary, such as function calls, strings, etc. The dataset consists of known malware files representing a mix of 9 different families. Each malware file has an Id, a 20 character hash value uniquely identifying the file, and a Class, an integer representing one of 9 family names to which the malware may belong: Ramnit Lollipop Kelihos_ver3 Vundo Simda Tracur Kelihos_ver1 Obfuscator.ACY Gatak

对于每个文件，原始数据包含该文件二进制内容的十六进制表示，不含PE头（PE header）以保证数据纯净性。此外还提供元数据清单（metadata manifest），这是一份记录从二进制文件中提取的各类元数据信息的日志，例如函数调用、字符串等。该数据集包含已知恶意软件文件，涵盖9个不同的恶意软件家族。每个恶意软件文件包含Id、20字符哈希值（唯一标识文件），以及Class（一个整数，代表该恶意软件所属的9个家族名称之一）：Ramnit、Lollipop、Kelihos_ver3、Vundo、Simda、Tracur、Kelihos_ver1、Obfuscator.ACY、Gatak

搜集汇总

背景与挑战

背景概述

该数据集是Microsoft提供的恶意软件分类挑战数据集，包含9种不同家族的恶意软件文件，每个文件都有唯一的哈希值和类别标识。数据集大小为465.7GB，主要用于开发恶意软件分类机制。