Cyber Shelf

// Comparaison

The Art of Mac Malware, Volume 2 vs Malware Data Science : lequel lire ?

Deux livres de cybersécurité sur Malware, comparés honnêtement : à qui s'adresse chacun, ce que chacun fait de mieux, et lequel lire en premier.

Avancé
4/52025
The Art of Mac Malware, Volume 2

Detecting Malicious Software

Patrick Wardle

La suite du Volume 1 consacrée à la détection : Wardle passe de l'analyse des malwares Mac à la construction des heuristiques et des outils qui les détectent, en s'appuyant sur les frameworks de sécurité de macOS et des échantillons réels.

Intermédiaire
4/52018
Malware Data Science

Attack Detection and Attribution

Joshua Saxe, Hillary Sanders

Saxe et Sanders appliquent des techniques de machine learning (classification, clustering, deep learning) à la détection et l'attribution malware, avec du code Python fonctionnel et de vrais corpus.

À lire si

Les ingénieurs détection et les équipes blue team qui ont déjà les bases du Volume 1 et veulent maintenant construire des détections, pas seulement lire des échantillons. Montre comment programmer directement avec les frameworks de sécurité propres à macOS (Endpoint Security, ESF) plutôt que de dépendre uniquement d'un antivirus tiers.
Analystes malware et détection engineers qui veulent passer à l'échelle au-delà du triage manuel. Saxe et Sanders appliquent classification, clustering, analyse de similarité et deep learning au corpus malware, avec du code Python fonctionnel partout.

À éviter si

Les lecteurs qui n'ont pas déjà travaillé les fondamentaux du Volume 1 (Mach-O, signature de code, taxonomie de la persistance) ; ce livre suppose ce vocabulaire acquis et construit la logique de détection par-dessus plutôt que de la réenseigner.
Analystes dont le travail est un-échantillon-à-la-fois, ou lecteurs sans confort Python et statistiques basiques. Le livre est pour les environnements riches en télémétrie où le ML à l'échelle compte.

Points clés

  • La détection, pas seulement l'analyse, est le sujet unique du livre : passer de « que fait cet échantillon » à « comment je détecte le prochain du même genre ».
  • Construit les heuristiques directement sur les frameworks de sécurité propres à macOS (Endpoint Security) plutôt que de traiter l'OS comme une boîte noire.
  • Chaque technique s'appuie sur de vraies familles de malwares suivies par Wardle via Objective-See, pas des exemples synthétiques.
  • Les classifieurs à features statiques peuvent router efficacement une queue de triage même à l'échelle ; les chapitres du livre sur le feature engineering remboursent le coût.
  • L'analyse de similarité (locality-sensitive hashing, ssdeep, imphash, fuzzy hashing au niveau fonction) est le levier de l'analyste pour clusteriser des campagnes et tracer l'évolution d'acteurs.
  • Le deep learning est sur-hypé pour le malware dans beaucoup de contextes et exactement le bon outil dans d'autres ; le livre est honnête sur les compromis d'une façon que la plupart des livres ML/sécurité ne sont pas.

Comment ils se comparent

The Art of Mac Malware, Volume 2 et Malware Data Science sont tous deux notés 4/5 dans notre catalogue. Choisissez selon vos préférences thématiques et de style, plutôt que sur la note.

The Art of Mac Malware, Volume 2 vise le niveau avancé. Malware Data Science vise le niveau intermédiaire. Lisez le plus accessible d'abord si la thématique ne vous est pas familière.

The Art of Mac Malware, Volume 2 et Malware Data Science couvrent tous les deux Malware, Detection : les lire dans l'ordre renforce les mêmes notions sous des angles différents.

Continuer la lecture

The Art of Mac Malware, Volume 2

→ Alternatives à The Art of Mac Malware, Volume 2→ Que lire après The Art of Mac Malware, Volume 2

Malware Data Science

→ Alternatives à Malware Data Science→ Que lire après Malware Data Science

Thématiques liées

MalwareDetection