In this era of modernization, digital technology plays a major role in all facets of life. We are accustomed to using computers and smartphones to access information, create, express, communicate, and collaborate, contributing to our personal, social, and professional survival at a comfortable level. As the legitimate use of digital space has grown, so have the prospects for malice via swindlers, blackmailers, vandals, and other criminals, to benefit by creating and propagating malware. While the main motive of malware designers is to make surplus profit illegally, other trivial motives range from activism and pranks, espionage, cyber theft, as well as serious crimes like privacy breaches. Policing the expanding attack surface needs the development of competent anti-malware solutions with more generalization to detect even zero-day malware and resolve their incidences with minimal human intervention. Anti-malware solutions pick up effective strategies from static, dynamic, reverse engineering, and advanced machine learning techniques. An arms-race situation always exists between the malware authors and the anti-malware community. In this paper, we present a comprehensive investigation of computer-based and mobile-based malware, their countermeasures, and various detection methods. We also discuss the additional issues and the challenges of malware detection and finally highlight a few open research issues, directing the trends of malware/anti-malware development.

在这个现代化的时代，数字技术在生活的各个方面都发挥着重要作用。我们习惯于使用计算机和智能手机来访问信息，进行创建，表达，交流和协作，从而在舒适的水平上为我们的个人，社交和职业生存做出了贡献。随着对数字空间合法使用的增长，通过骗子，敲诈勒索，故意破坏者和其他犯罪分子的恶意行为也有望通过创建和传播恶意软件而受益。尽管恶意软件设计者的主要动机是非法赚取多余利润，但其他琐碎的动机还包括行动主义和恶作剧，间谍活动，网络盗窃以及严重的犯罪，例如侵犯隐私权。应对不断扩大的攻击面，需要开发功能强大的反恶意软件解决方案，并且要具有更广泛的通用性，以检测零日恶意软件并以最少的人工干预来解决它们的发生。反恶意软件解决方案从静态，动态，逆向工程和高级机器学习技术中选取有效的策略。恶意软件作者和反恶意软件社区之间始终存在竞争态势。在本文中，我们对基于计算机和基于移动的恶意软件，它们的对策以及各种检测方法进行了全面的调查。我们还将讨论其他问题以及恶意软件检测的挑战，最后重点介绍一些开放研究问题，指导恶意软件/反恶意软件开发的趋势。反恶意软件解决方案从静态，动态，逆向工程和高级机器学习技术中选取有效的策略。恶意软件作者和反恶意软件社区之间始终存在竞争态势。在本文中，我们对基于计算机和基于移动的恶意软件，它们的对策以及各种检测方法进行了全面的调查。我们还将讨论其他问题以及恶意软件检测的挑战，最后重点介绍一些开放研究问题，指导恶意软件/反恶意软件开发的趋势。反恶意软件解决方案从静态，动态，逆向工程和高级机器学习技术中选取有效的策略。恶意软件作者和反恶意软件社区之间始终存在竞争态势。在本文中，我们对基于计算机和基于移动的恶意软件，它们的对策以及各种检测方法进行了全面的调查。我们还将讨论其他问题以及恶意软件检测的挑战，最后重点介绍一些开放研究问题，指导恶意软件/反恶意软件开发的趋势。我们将对基于计算机和基于移动的恶意软件，其对策以及各种检测方法进行全面的调查。我们还将讨论其他问题以及恶意软件检测的挑战，最后重点介绍一些开放研究问题，指导恶意软件/反恶意软件开发的趋势。我们将对基于计算机和基于移动的恶意软件，其对策以及各种检测方法进行全面的调查。我们还将讨论其他问题以及恶意软件检测的挑战，最后重点介绍一些开放研究问题，指导恶意软件/反恶意软件开发的趋势。