現今之惡意程式變異速度極快，因各種自動生成及變種方式，致使人工分析成本大幅提升。本系統利用機器學習，可應對惡意程式之變種行為，並找出其關聯性，以進行惡意程式的偵測。藉由各種方式蒐集到大量程式樣本後，本系統透過自動化的分析與觀察取得樣本之各複合式特徵：如系統指令、呼叫API、metadata、區段、暫

本系統利用Docker架構將各個分析器封裝，加強了他的延展性、擴充能力、及隔離性。此外，動態特徵分析模組則是基於QEMU架構進行開發，較仿間沙箱軟體更容易開發新的分析模組，且具高度擴充性，並能支援最新Windows 10 64-bit環境，以分析新型的惡意程式。

本系統提供彈性化的掛載界面，未來可隨著惡意程式的演變，彈性地增加或刪減分析模組。本系統之可能之應用及合作對象包含ISP、防毒軟體公司、或協助政府單位加強資安檢測與保護。