Рассмотрено современное состояние теории нейронных сетей. Проведен обзор некоторых наиболее часто применяемых в настоящее время нейросетевых архитектур. Рассмотрены различные подходы к обучению, проектированию и настройке нейронных сетей. Особое внимание уделено различным вариантам метода обратного распространения ошибки.

Предложен новый метод классификации вредоносного кода на основе поведенческих признаков. Разработана мера близости программ, учитывающая последовательности вызовов WinAPI программ и их аргументов, а также файлов создаваемых анализируемым приложением. Для выделения групп программ используется кластерный анализ. Метод экспериментально исследован на реальных образцах вредоносного программного обеспечения. Работа выполнена при поддержке Российского фонда финансирования фундаментальных исследований, грант 11-07-92693-ИНД_а.