Sử dụng dữ liệu từ Microsoft Malware Classification Challenge (BIG 2015), gồm 10,868 mẫu mã độc thuộc 9 họ khác nhau.

• Phân tích mã độc bằng phương pháp tĩnh: trích xuất opcode và tên hàm API từ mã lắp ráp của file thực thi.
• - So sánh hai phương pháp vector hóa: one-hot encoding (1369 chiều) và word2vec (300 chiều).
• - Mô hình word2vec giúp giảm chiều dữ liệu, tăng tốc độ học và cải thiện độ chính xác.
• - Mạng LSTM gồm 2 lớp ẩn, mỗi lớp có 128 nút, sử dụng dropout 0.8 và learning rate 0.001.
• - Kết quả:
•   - Độ chính xác cuối cùng của phương pháp word2vec + LSTM đạt 97.59%, cao hơn 0.5% so với one-hot encoding.
•   - Thời gian học giảm khoảng 10 phút, loss thấp hơn và hội tụ nhanh hơn.
• - Hạn chế: yêu cầu tài nguyên tính toán cao do sử dụng toàn bộ opcode và API.
• - Hướng phát triển: chọn lọc các lệnh có ý nghĩa đặc trưng để giảm tải, mở rộng sang phân biệt file bình thường và mã độc.