طبقه بندی بدافزار برای سیستم های خودران

به منظور مدیریت تعداد زیادی از انواع بدافزارها پیش بینی حملات مخرب خیلی مهم است که در سیستم های خودران طبقه بندی و تشخیص بدافزار حائز اهمیت است تا به کمک آن به پیش بینی و تشخیص آن ها نایل آییم. در این مقاله با استفاده از روش ۴LFE می توان ویژگی های پیکسل و n-gram را با هم ترکیب کرد و چندین ویژگی را از برنامه مخرب استخراج کرد. در این فرآیند برای کاهش ابعاد ویژگی از LDA استفاده می کنیم، نتایج بدست آمده نشان می دهد این روش ۹۹.۹۹% می تواند بدافزار ها به خانواده آن ها طبقه بندی کند.

کلیدواژه ها:

طبقه بندی بدافزار ، کاهش بعد ، انتخاب ویژگی