深度學習賦能的惡意代碼攻防研究已經(jīng)成為網(wǎng)絡(luò)安全領(lǐng)域中的熱點問題。當前還沒有針對這一熱點問題的相關(guān)綜述，為了及時跟進該領(lǐng)域的最新研究成果，本文首先分析并總結(jié)了惡意代碼攻擊的一般流程?；谠摴袅鞒蹋疚膶ι疃葘W習的賦能攻擊點和賦能防御點進行了定位，將深度學習助力攻擊的技術(shù)分為5類：（1）基于對抗樣本生成的自動化免殺;（2）基于自然語言生成的自動化網(wǎng)絡(luò)釣魚;（3）基于神經(jīng)網(wǎng)絡(luò)的精準定位與打擊;（4）基于生成對抗網(wǎng)絡(luò)的流量模仿;（5）基于黑盒模型的攻擊意圖隱藏，并將深度學習助力防御的新型技術(shù)分為3類（1）基于深度學習的惡意代碼查殺;（2）自動化網(wǎng)絡(luò)釣魚識別;（3）深度學習賦能的惡意行為檢測;其次，基于以上分類，本文對惡意代碼攻防研究中的前沿技術(shù)進行了綜述，并從技術(shù)原理、實際可行性、發(fā)展趨勢等不同的角度對這些技術(shù)進行了深入剖析;再者，由于深度學習的伴生安全問題與其在惡意代碼攻防領(lǐng)域的賦能安全問題緊密相關(guān)，本文對其中代表性的模型后門攻害與防御的相關(guān)技術(shù)也進行了關(guān)注;之后，本文分析并總結(jié)了當前深度學習賦能的惡意代碼攻防研究領(lǐng)域中的主要研究方向，并對其未來的發(fā)展趨勢進行了討論;最后，深度學習賦能的惡意代碼攻防研究才剛剛起步，基于惡意代碼攻擊鏈的更多可能的賦能攻擊與防御點有待研究者繼續(xù)探索和發(fā)掘。此外，深度學習助力惡意代碼攻防的一大挑戰(zhàn)是數(shù)據(jù)的限制如何建立有效、公開的數(shù)據(jù)集供研究者使用，這也是常值得思考和研究的問題。