隐蔽地和规避检测地传播恶意软件对于高级恶意软件活动来说是至关重要的。中科院大学的三名研究人员提出了一种通过神经网络模型隐蔽地和规避检测地传播恶意软件的方法。因为神经网络模型的可解释性差，泛化能力强，所以将恶意软件嵌入到神经元可以将恶意软件秘密传播，而且对神经网络的性能影响很小甚至没有影响。同时，因为神经网络模型的结构保持不变，这样还可以逃过杀毒引擎的安全扫描。实验表明，36.9MB 的恶意软件可以嵌入到 178MB-AlexNet 模型中，准确率仅仅损失 1%，VirusTotal 中的杀毒引擎还没有发现任何问题，这就验证了该方法的可行性。随着人工智能的广泛应用，利用神经网络传播已经成为恶意软件的未来趋势。研究人员希望这项工作可以为防御这些将神经网络作为辅助的攻击提供一个可参考的场景。
