Apex One 整合 Machine Learning 技術，針對勒索軟體或進階持續性威脅等威脅提供更佳的防護。Machine Learning 的運作概念是：電腦無須人為介入即可學習資訊。它使用演算法檢查大量資訊或訓練資料，以發現獨特的模式。

此系統會分析這些模式、據此分組並做出預測。透過反覆進行，它以推論方式學習，無須每次都刻意撰寫程式。Machine Learning 可評估來自 USB、網頁或電子郵件通道之檔案的可疑處理程序中所發現的未知威脅。它利用良性與惡意樣本檔案擷取檔案特徵，這些特徵將用以訓練 Machine Learning 模型。

此模型運用主動式雲端截毒技術與威脅研究，以能讓技術具備高偵測率的檔案特徵來訓練模型。一旦 Apex One 偵測到未知檔案或處理程序，便會將該檔案或處理程序的特徵擷取至模型，並使用該技術預測該檔案是良性或惡意。

Machine Learning 的設計運用可攜式執行檔（PE）的檔案特徵（例如 Opcode、Import table，或 Entropy 與 Icon 等其他特徵）來訓練 Machine Learning 模型。

以已知勒索軟體與未知變種為例：這兩種變種具有不同的大小與不同的 SHA-1 值。然而，未知的勒索軟體變種仍可透過 Machine Learning，使用 Opcode 與 Import table 資料資訊等檔案特徵加以辨識。Machine Learning 的準確度大幅仰賴以現有已驗證的良性與惡意檔案訓練，其中主動式雲端截毒技術是關鍵要素。

Machine Learning 可以在執行前與執行期間，從靜態檔案中擷取許多特徵。它可在惡意程式執行前將其封鎖，但仍可能遭當今惡意程式常用的各種混淆技術規避。在執行後階段，它會分析惡意程式的真實意圖（行為），惡意程式較難規避此偵測。然而在此情況下，由於惡意程式已經執行，部分損害可能已經造成。

雖然 Apex One Machine Learning 持續精進其學習，仍只有極小部分的惡意程式會被簽章與行為偵測遺漏，且就目前的測試案例所見，這些被遺漏的威脅中有 99.7% 被 Machine Learning 攔截。將 Machine Learning 與其他 Apex One 防護技術結合，可建立分層式防護方法，進一步降低誤判並協助取得更高效能（例如，因為需要以較深入的 Machine Learning 檢查的檔案較少）。

一旦 Machine Learning 判定某檔案為惡意，Apex One 便會將該檔案傳送至主動式雲端截毒技術，使其在該客戶下次遇到時能以效能更高的檔案信譽評等技術攔截，並能為其他客戶以及我們其他使用檔案信譽評等技術的產品攔截。