Dr.Web产品始终保持领先

Doctor Web公司病毒监控部在全世界范围内采集恶意文件样本。

每天Doctor Web病毒实验室都会接收到多达100万或更多的风险样本。

自1992年以来，我们一直在研究病毒编写者使用的开发技术，积累的丰富经验少有可比。

并非所有被分析对象都是恶意程序。当然，还有一些样本会被重复使用。这些必须全部经由我公司技术人员来处理，每月人工处理数百万个样本并不现实。因此，Doctor Web公司研制出“分析机器人” 分析样本，并为被归类为恶意程序或风险程序的样本创建特征码。自动化分析使病毒分析人员把更多的时间用来研究无法自动处理的复杂恶意程序样本。这是Dr.Web产品清除系统保持高质量水准的原因之一。

业内没有与Dr.Web病毒库类似的产品

一个病毒记录即可使Dr.Web产品数百、有时数千个类似的恶意文件，包括可能由不法分子创建的文件。

Doctor Web公司定期清理数据库中的重复记录，同时不降低侦测质量。使用反病毒产品不应降低运行速度！

Dr.Web病毒库的一个特点是在病毒库、防火墙规则库和行为分析仪库中的特征码搜索算法，不会因为记录条目数量的增加而增加搜索时间。

病毒库具备添加亲缘病毒的智能系统，能够自动添加对新恶意文件的描述，从而减少对不法分子攻击的响应时间。

保持Dr.Web病毒库的小巧不会提高系统要求，并且可以在保持一贯高质量侦测和清除水平的同时，保证较小的更新占用。

基于机器学习的侦测技术

用于发现 JavaScript恶意脚本

Doctor Web公司反病毒实验室会收集到数以百万计的可能有可疑代码的样本。

并非所有样本都是恶意软件，但都会经由我们的技术人员进行分析处理。在分析恶意程序而获得的海量信息的基础上，可将信息流分为特征区域，并区分出其中的恶意代码。

从版本11.5开始，Dr.Web解决方案使用基于机器学习创建的规则，这项技术名为SpIDer ML Anti-Script。

Dr.Web SpIDer Guard这一新技术能够更高效地侦测脚本语言文件中的最新未知威胁，且不需等待传统病毒库的更新。
机器学习系统以积累的恶意代码知识为基础创建侦测规则，让 Dr.Web SpIDer Guard 能够在恶意代码启动之前“预测”其行为，并解除威胁。
机器学习系统采用极为复杂的数学算法，可以在无需病毒分析人员参与的情况下立即自动生成侦测恶意代码的新规则。
Dr.Web中的大量抵御最新威胁的技术都不需要使用病毒库，而基于机器学习的新技术则将侦测最新未知威胁的能力又大大提升了一个高度！
这项新技术在内的多项技术能够让Dr.Web病毒库保持体积小巧，而侦测质量却不断提高，同时保持最低的误报率。

在上个世纪90年代仅使用特征码，也就是只通过病毒库记录侦测恶意程序的反病毒软件就已经退出历史舞台，原因是出现了每次启动时都会发生变化的多态木马，使用特征码无法发现。这也正是俄罗斯Dr.Web反病毒程序出现的原因。

如果现在反病毒产品只能在病毒库记录的基础上识别新病毒，任何一台电脑的内存都会放不下这样的病毒库，扫描会耗费很长的时间，而电脑的运行速度也会受到严重影响。

反病毒产品抵御病毒库未知的威胁，开始采用非特征码技术和预防性保护技术。