本研究探讨了打包对基于机器学习的静态恶意软件检测与分类系统的影响，揭示了静态检测的局限性，并强调了应对恶意软件作者演变策略的必要性。

EMBER 数据集为反恶意 Windows 可执行文件的静态检测提供了标记的基准数据，包含 90 万个训练样本和 20 万个测试样本。研究探讨了利用自然语言处理和深度学习技术分析二进制代码的方法，并提出多种模型和数据集以提升检测性能。