微软发布“史无前例”的恶意软件数据集，设17万奖金征集预测算法

夏乙 发自 凹非寺 量子位 出品 | 公众号 QbitAI

一个“史无前例”的恶意软件感染数据集亮相了。

这个数据集来自微软，毕竟，他们的重要产品Windows，大概是全球遭受病虫害最频繁的软件了。

同时推出的，还有一场Kaggle竞赛：让你训练机器学习算法，来预测一台电脑是不是感染了恶意软件，俗称“中毒了没”。

我们先来看看这份数据集究竟有多“史无前例”。

它包含的信息相当全面，共有60多项。

每一行数据都对应着一个MachineIdentifier，相当于设备ID，也都包含一个代表着真实值的标签HasDetections，显示这台设备有没有感染恶意软件。

同时，还包含大量可能能用来判断中没中毒的信息，比如设备的运行状况指标，以及本身软硬件环境，比如：系统、防火墙版本、装了几个杀毒软件、默认浏览器是哪一款、是个电脑还是个手机、显示器分辨率多少、处理器几核什么架构、内存多大、用的是不是固态硬盘……

甚至还包含这台机器是不是用来打游戏的、是不是触摸屏、带不带手写笔，以及代表国家和城市的数字代码等等。

这样的数据一共有多少条呢？答案是，在训练集里有近900万条，测试集里近800万条。也就是说，微软提供了来自1600万台设备的信息，给你训练算法。

如果你对这么大的数字不敏感……我们换个衡量大小的方式。这个数据集以csv形态存储，一共8.47GB。

这些数据，都来自Windows用户，由Windows系统本身记录和默认防火墙Windows Defender采集而来。当然，数据经过清洗，并不包含隐私信息。

庞大的数据集准备就绪，办竞赛也顺理成章。于是，也就有了Kaggle上的微软恶意软件预测竞赛。

这个竞赛，由微软、美国东北大学、佐治亚理工大学联合主办。

参赛者需要做的，就是训练一个算法，为测试集里的每一台电脑，预测一个感染恶意软件的概率，范围在[0, 1]区间。

竞赛设置了2.5万美元（大约17万元）的奖金池。其中，第一名奖金1.2万美元，第二名7000美元，第三四五名分别是3000、2000、1000美元。

这个奖金设置，对安全界人士来说可能太低了点。英特尔安全研究员Marco Figueroa就在Twitter上说：

微软你是认真的吗？一个恶意软件预测竞赛才给2.5万美元奖金？应该至少30万美元起！

不过，参赛者们依然很热情。

从上周启动到量子位发稿时，已经有551支队伍参加了。

现在距离竞赛结束，还有两个多月，新队伍还在源源不断地涌进来。昨天才杀入战局的南京大学小哥哥（队名叫“杀”的那位），一次提交就排到了榜首。

感兴趣？竞赛地址在这里：

https://www.kaggle.com/c/microsoft-malware-prediction/

— 完 —